
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
1.2.7 半定规划
半定规划(Semidefinite Programming,SDP)的目标函数为线性表达式,约束条件包含半正定约束。在给出其一般形式之前,我们先来介绍一下什么是半正定矩阵。
半正定矩阵(Positive Semidefinite Matrix):给定实对称矩阵A∈Rn×n,若对于任意n维非零实向量x,xTAx≥0恒成立,则称矩阵A为半正定矩阵。

为方便叙述,定义以下符号:
·Sn:所有n维对称矩阵的集合。
·:所有n维半正定(Positive Semidefinite,PSD)矩阵的集合。
根据文献[36][3],半定规划的标准形式如下:

其中,C∈Rn×n;X∈Sn,是半正定决策变量矩阵;Ai∈Rn×n,bi∈R;符号“·”表示矩阵的内积,即,符号
表示半正定,约束
一般被称为半正定锥约束。
下面给出一个半定规划的简单例子。考虑一个最小化问题,令n=3,m=3,且给定下列参数:

以及一个3×3的决策变量矩阵:

则上述数据就可以构建一个SDP的数值案例。注意,X为对称矩阵,因此xij=xji,∀i,j∈{1,2,3}。
接下来将其写成展开的形式。

其他部分的展开也类似。最终,上述案例可以写成如下形式:
