Formulazione di problemi con valori assoluti
I
funzioni convesse lineari a tratti
I
problemi con valori assoluti
I
regressione lineare
rif. BT 1.3
Max di funzioni convesse
Teorema
Siano f
1, . . . , f
m: R
n→ R funzioni convesse. Allora la funzione f (x) = max
i=1,...,mf
i(x) ` e convessa
Dimostrazione Siano x, y ∈ R
n, λ ∈ [0, 1]. Si ha che:
f (λx + (1 − λ)y) = max
i=1,...,m
f
i(λx + (1 − λ)y)
≤ max
i=1,...,m
(λf
i(x) + (1 − λ)f
i(y))
≤ max
i=1,...,m
λf
i(x) + max
i=1,...,m
(1 − λ)f
i(y)
= λf (x) + (1 − λf (y))
Somma di funzioni convesse
Teorema
Siano f
1, . . . , f
m: R
n→ R funzioni convesse. Allora la funzione f (x) = P
mi=1
f
i(x) ` e convessa
Dimostrazione Proviamo il risultato per m = 2, il caso generale segue per induzione. Siano x, y ∈ R
n, λ ∈ [0, 1]. Si ha che:
f (λx + (1 − λ)y) = f
1(λx + (1 − λ)y) + f
2(λx + (1 − λ)y)
≤ λf
1(x) + (1 − λ)f
1(y) + λf
2(x) + (1 − λ)f
2(y)
= λf (x) + (1 − λf (y))
Funzioni convesse lineari a tratti
Una funzione del tipo max
i=1,...,m(c
Tix + d
i) ` e detta funzione convessa lineare a tratti
c1x + d1
c2x + d2 c3x + d3
c2x + d2
x
f(x)
x
f (x) = |x| = max{x, −x}
Generalizzazione del problema di PL
min max
i=1,...,m
(c
Tix + d
i) s.t. Ax ≥ b
Si osservi che max
i=1,...,m(c
Tix + d
i) ` e uguale al minimo numero z che soddisfa z ≥ c
Tix + d
i. Quindi, ` e equivalente al seguente problema di PL
min z
s.t. z ≥ c
Tix + d
iAx ≥ b
Allo stesso modo, un vincolo f (x) = max
i=1,...,m(w
Tix + g
i) ≤ h pu` o essere sostituito dagli m vincoli
w
iTx + g
i≤ h, , i = 1, . . . , m
Problemi con valori assoluti
min X
i=1,...,n
c
i|x
i| s.t. Ax ≥ b in cui assumiamo c
i≥ 0.
Osserviamo che |x
i| `e pari al pi` u piccolo numero z
itale che z
i≥ x
ie z
i≥ −x
i. Quindi otteniamo il problema di PL equivalente:
min X
i=1,...,n
c
iz
is.t. Ax ≥ b
z
i≥ x
iz
i≥ −x
iEsercizio
min 2x
1+ 3|x
2− 10|
s.t. |x
1+ 2| + |x
2| ≤ 5 riformulazione lineare:
min 2x
1+ 3z
1s.t. z
2+ z
3≤ 5
z
1≥ x
2− 10
z
1≥ −x
2+ 10
z
2≥ x
1+ 2
z
2≥ −x
1− 2
z
3≥ x
2z
3≥ −x
2Esercizio
Consideriamo un problema della forma:
min c
Tx + f (d
Tx) s.t. Ax ≥ b
2 f(x)
x
−1 2
2 1
Osserviamo che f (x) = max{1 − x, 0, 2x − 4}. Quindi otteniamo la riformulazione lineare:
min c
Tx + z
s.t. z ≥ −d
Tx + 1
z ≥ 0
z ≥ 2d
Tx − 4
Ax ≥ b
Regressione lineare
Nei problemi di classificazione un data-set composto da coppie (a
i, b
i), i = 1, . . . , m, in cui a
i∈ R
n` e un’osservazione e b
iil corrispondente risultato.
Un modello di regressione lineare consiste in un vettore x (da determinare) per cui il risultato di una generica osservazione a possa rappresentarsi come b = a
Tx
Tale vettore ` e scelto in modo da minimizzare l’errore sui campioni del data-set:
I
criterio I: minimizzare lo scarto massimo max
i=1,...,m|b
i− a
Tix|
I
criterio II: minimizzare la somma degli scarti P
mi=1
|b
i− a
Tix|
Regressione lineare: formulazione di PL
criterio I:
min z
s.t. z ≥ b
i− a
Tix, i = 1, . . . , m z ≥ −b
i+ a
Tix, i = 1, . . . , m criterio II:
min X
i=1,...,m