使用DC算法求解非凸函数的最优化问题。可以确保局部最优解，有时收敛到全局最优

Matlab的耳语代码无码 该存储库适用于以下论文中介绍的具有Lp范数约束的非凸优化（NOLC），并且是在Matlab R2014a中构建的。 Zhang T，Wu H，Liu Y，et al。 [J]。 遥感，2019，11（5）：559。 有关我的更多信息，您可以访问我的。 内容 介绍 红外搜索与跟踪（IRST）系统已被广泛使用，红外小目标检测领域也受到了广泛的关注。 在此背景下，本文提出了一种基于具有Lp范数约束（NOLC）的非凸优化的红外小目标检测方法。 NOLC方法用Lp范数增强了稀疏项约束，同时适当地缩放了低秩项的约束，因此NP难问题转化为非凸优化问题。 首先，将红外图像转换为斑块图像，然后通过乘数的交替方向方法（ADMM）对其进行求解。 通过改进收敛策略，给出了一种有效的求解器。 实验表明，NOLC能够准确地检测出目标并极大地抑制了背景，证明了NOLC方法在检测效率和计算效率上的优势。 图1.具有不同p值的几何。 从左上到右下分别等于2.8、1.4、1、0.7。 图2.红外图像的低秩特性和稀疏性说明。 方法 图3. NOLC模型的检测流程。 下表中给出了NOLC模型的迭代

软阈值matlab代码非凸优化工具箱 这个matlab工具箱提出了一种通用的求解器，用于在凸或非凸情况下进行近端梯度下降。 它是对[1]中提出的GIST算法的完全重新实现，其中包含新的正则化项，例如p = 1/2的lp伪范数。 在您的研究工作中使用此工具箱时，请引用以下文章： D. Tuia, R. Flamary and M. Barlaud, "Non-convex regularization in remote sensing", IEEE transactions Transactions on Geoscience and Remote Sensing, (to appear) 2016. 该代码解决了以下形式的优化问题： min_x f（x）+ lambda g（x） 我们提供用于解决以下数据拟合项f（x）问题的求解器： 最小二乘（线性回归） 具有二次铰链损耗的线性SVM 线性逻辑回归 校准的铰链损耗 已实施的正则化项g（x）包括： 套索（l1） 里奇（平方L2） 对数和罚分（LSP）（[2]，[1]中的代理） p = 1/2的lp正则化（[3]中的prox） 组套索（l

普林斯顿大学电力电子系教授Mung Chiang 关键词：非凸优化、几何规划、半定规划、对偶、 Sum of squares、TCP/IP、无线网络、功率控制

非线性优化方法，包括牛顿梯度法、共轭梯度法、准牛顿梯度法等相关算法，求解各种非凸目标非凸限制等优化问题，对于从事优化领域的学者、老师来说，非常有帮助。