包含三个矩阵完成算法和一个用于运行它们的演示脚本。 还与其他矩阵完成算法进行比较 - 奇异值阈值和定点迭代。 解决以下三个优化问题： min rank(X) 服从 ||y - M(X)||_2<err 通过迭代硬阈值minnuclear-norm(X) 服从 ||y - M(X)||_2<err 通过迭代软阈值min ||S||_p 服从 ||y - M(X)||_2<err，其中 S = svd(X) 通过迭代软阈值需要 Sparco，因为已根据 Sparco 框架定义了屏蔽运算符。 http://www.cs.ubc.ca/labs/scl/sparco/ 这些算法足够通用，可以与任何其他线性运算符一起使用，而不仅仅是掩蔽运算符。 当问题归结为矩阵补全时，掩码运算符只是一种特殊情况。 要将结果与其他算法进行比较，请下载奇异值阈值工具箱http://svt.caltech.edu/

一种用于凸和非凸有限和优化的分布式随机投影无算法

大数据-算法-非凸二阶锥规划问题的非线性重新尺度.pdf

大数据-算法-非凸非线性规划双松弛内点方法.pdf

大数据-算法-非凸规划组合同伦算法复杂性分析.pdf

大数据-算法-非凸函数的凸.pdf

视频背景分离以及前景提取广泛应用于场景分析、目标追踪等领域。而鲁棒主成分分析(RPCA)则是实现视频背景与前景分离的重要技术之一。但是,用核范数来近似秩函数的传统RPCA模型在处理含有较大奇异值的图像时效果并不理想。为了解决这一问题,提出一种新的非凸函数来近似秩函数,对基于核范数的RPCA模型进行改进,并应用增广拉格朗日乘子法求解改进的模型。实验结果表明,与传统的RPCA及现有的一些改进模型相比,提出的基于非凸秩近似的RPCA模型计算效率更高,且图像分离效果更好。

matlab中最大流代码可视化OPF问题中的非凸约束 该代码提供了潮流可行性集的可视化，它由交流潮流方程和操作约束定义。 交流潮流方程是一组非线性方程，可创建如图（a）所示的高维非线性流形。 可行性集将歧管投影到图（b）所示的动力注入空间中。 （这些数字来自参考文献[2]。在这里，我们提供了绘制可行性集的代码。您可以阅读有关凸约束的参考文献。） 颜色代码 轮廓的颜色和样式表示超出限制的类型。 蓝色实线-最大电压幅值限制蓝虚线-最小电压幅值限制实心黄线-最大无功功率产生和松弛的有功总线有功功率限制虚线黄线-最小无功发电量和总线有功松弛量限制实心紫线-线流幅度限制粗实线-可解边界 运行代码 该脚本基于MATLAB和。 以“ plot_9bus.m”为例，无需安装即可运行。 参考 开发了此研究代码，并将其用于以下文章。 [1]潮流可行性集的凸约束 @article{lee2019convex, author={Lee, Dongchan and Nguyen, Hung D. and Dvijotham, K. and Turitsyn, Konstantin}, journal={IEEE

自适应模拟退火 自适应模拟退火 (ASA) 是一种 C 语言代码，用于在统计上找到成本函数中参数的最佳全局拟合。 看：

Rosenbrock函数Matlab代码非手术治疗 该存储库包含 Curtis 和 Overton [1] 的 SQP-GS（顺序二次编程 - 梯度采样）算法的Python实现。 注意：这个实现是一个原型代码，它只针对一个简单的问题进行了测试，并且没有进行性能优化。 论文作者提供了一个 Matlab 实现，参见 [2]。 数学描述 该算法可以解决以下形式的问题 min f(x) s.t. g(x) <= 0 h(x) = 0 其中f 、 g和h是局部 Lipschitz 函数。 因此，该算法可以解决具有非凸和非光滑目标和约束的问题。 有关详细信息，我们参考原始论文。 例子 该代码针对 Rosenbrock 函数的 2 维非平滑版本进行了测试，受最大函数约束。 请参见 [1] 中的示例 5.1。 对于这个问题，解析解是已知的。 下图显示了SQP-GS在不同起点的轨迹。 最后的迭代用黑色加号标记，而解析解用金色星星标记。 我们可以看到该算法始终如一地找到了最小值。 要重现此实验，请参阅文件test_rosenbrock.py 。 实施细则 求解器具有三个主要参数，称为f 、 gI和gE 。