为什么数学概念中，将凸起的函数称为凹函数？ - 知乎
Convex Optimization. Cambridge University Press, 2004. 突然发现 sublevel sets 和 epigraph 这两个概念也是相对的，把 sublevel sets 定义的小于等于号换成大于等于号说不定就有了 …
凸（凹）函数、拟凸（凹）函数、伪凸（凹）函数是什么？ - 知乎
Convex function Quasiconvex function Pseudoconvex function. 在R上考虑就很容易理解。在凸要求不高过xy连线的地方，拟凸只要求不高过xy中较大者，所以凸蕴含拟凸；而伪凸则要求，“ …
Numerical Optimization和Convex optimization 两本书的选择?
Convex Optimization和Numerical Optimization这种课已经经过千锤百炼了，花太多精力去精读两本七百来页的砖头书不是太划算，很多短小精悍lecture notes都可以在网上找到。这里推 …
CVX的使用规则问题 例如concave-concave的问题 但他是凸的
例如我要优化一个min -（log(1+x)-log（1+y)的问题，可知当x大于y时 这是一个凸的函数，但cvx无法识别，…
凸优化中strongly convex和L-smooth有什么应用？ - 知乎
L-smooth中的 L ，和 m-strongly convex中的 m 这一对CP，如果函数是二次可微的，可以认为它们就等同于函数Hessian矩阵的最大和最小奇异值的上界和下界，也就可以被看作梯度的最大变 …
如何理解SCA（successive convex approximation）方法? - 知乎
convex: 就是说在迭代的过程中采用的是凸函数来代替非凸函数。 approximation: 怎么去采用凸函数来代替非凸函数呢，这就需要去近似。 一般而言需要包含两点，1.
为什么 Non-Convex Optimization 受到了越来越大的关注？ - 知乎
nonconvex 如此自然常见，为什么我们一直以来都只讲convex的东西？ 然后大家就能一点点看到convex 是一个多么nice的性质，可以使得很多简单的optimization algorithm，比如说gradient …
为什么在光滑凸优化研究中，Lipschitz gradient比strongly convex …
许多在Lipschitz-gradient和Strongly convex之间寻优的算法，比如SGD，即便你不惜计算成本而在每步迭代中均计算Hessian阵，也很容易由于现实问题中的高维平面的多鞍点现象而陷入局部 …
什么是凸约束（convex constraint)？ - 知乎
知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业 …
Difference of Convex Program优化方法，如何能够确保收敛？
Difference of Convex Program优化方法，如何能够确保收敛？ 好忧桑，不知道这次有木有把问题讲清楚~~~~ --- 对于一个非凸的二次问题，用DCA来优化，具体迭代过程中用cvx来解凸问 …