稀疏优化与低秩矩阵优化解读.pptVIP

修乃华 北京交通大学理学院 2014 年 3 月 6 日 稀疏优化与低秩矩阵优化 内容提要 模型与基本概念 稀疏优化与压缩感知 应用实例 理论与算法 分析与思考 一、模型与基本概念 稀疏优化问题是指在某种线性约束条件下，求一个决策变量使其非零元素个数达到极小.它的基本数学模型是： 其中 ，b 是一个 m 维向量,mn. 矩阵秩极小（或低秩矩阵恢复）问题是指在某种线性约束条件下，求一个决策矩阵使其秩达到极小.它的基本数学模型是： 其中 是从 到 的线性变换，b 是一个 d 维向量. 一、模型与基本概念 【注】 1、模型（2）是模型（1）的一个推广； 2、可以把零范数和秩函数放在约束中，变成 非凸 约束优化模型； 3、如果问题是高维复杂的，则可在模型中增加其他约束条件或者目标函数,如非负稀疏优化、低秩半定矩阵矩阵优化. 一、模型与基本概念 在一般情况下，模型（1）是一个NP-困难的组合优化问题,因为（1）等价于在如下有限个特殊集合 与集合 中选一个解.由此可知，所有这些模型在一般情况下都是NP-困难问题. ◆如何松弛（近似）易求解？ →理论研究； ◆如何设计算法？→算法研究； ◆如何应用到实际部门？→应用研究. 二、稀疏优化与压缩感知 压缩感知是国际上近期出现的一种信息科学