凸优化：一类优化问题，其中目标函数是凸函数、约束集合是凸集；因此通常具有全局最优解且更容易高效求解（如用内点法、梯度法等）。该术语也常泛指相关的理论与算法体系。
/ˈkɑnˌvɛks ˌɑptɪməˈzeɪʃən/
Convex optimization is widely used in machine learning.
凸优化广泛应用于机器学习中。
By formulating the portfolio selection as a convex optimization problem with risk constraints, we can guarantee a globally optimal solution under the model assumptions.
通过把投资组合选择表述为带风险约束的凸优化问题，在模型假设成立时我们可以保证得到全局最优解。
convex 源自拉丁语 convexus，意为“向外拱起的、凸的”，在数学中用来描述“连接任意两点的线段仍落在集合内”的性质（凸集/凸函数）。
optimization 来自 optimize（“使最优”），与拉丁语 optimus（“最好的”）同源；合起来表示“在凸性条件下进行最优化求解”的方法与问题类型。
Select Language