A. CVX工具包解決最小二乘問題的原理和演算法是什麼
「遞歸最小二次方演算法」——RLS演算法，其又稱最小二乘法。
在我們研究兩個變數(x, y)之間的相互關系時，通常可以得到一系列成對的數據
(x1, y1、x2, y2 xm , ym)；
將這些數據描繪在x -y直角坐標系中
若發現這些點在一條直線附近，
可以令這條直線方程如(式1-1)。
Y計= a0 + a1 X (式1-1)
其中：a0、a1 是任意實數
為建立這直線方程就要確定a0和a1，應用《最小二乘法原理》，
將實測值Yi與利用(式1-1)計算值(Y計=a0+a1X)的離差
(Yi-Y計)的平方和〔∑(Yi - Y計)2〕最小為「優化判據」。
令: φ = ∑(Yi - Y計)2 (式1-2)
把(式1-1)代入(式1-2)中得: φ = ∑(Yi - a0 - a1 Xi)2 (式1-3)
當∑(Yi-Y計)平方最小時，可用函數
φ 對a0、a1求偏導數，令這兩個偏導數等於零。
亦即：
m a0 + (∑Xi ) a1 = ∑Yi
(∑Xi ) a0 + (∑Xi2 ) a1 = ∑(Xi, Yi)
得到的兩個關於a0、a1為未知數的兩個方程組，解這兩個方程組得出：
a0 = (∑Yi) / m - a1(∑Xi) / m
a1 = [∑Xi Yi - (∑Xi ∑Yi)/ m] / [∑Xi2 - (∑Xi)2 / m)]
這時把a0、a1代入(式1-1)中, 此時的(式1-1)
就是我們回歸的元線性方程即：數學模型。
B. cvx工具包對二范數優化問題，非常感謝！
minimize(square_pos(norm(y-A*x,2)))
隨便乘方不能保證凸性，可以用內置函數square_pos()代替^2
C. MATLAB安裝凸優化工具包cvx時出錯matlab是2016a,錯誤見圖
安裝文件有損壞。重新安裝，不要選這個工具箱了，反正也很少用，除非你要做發動機標定或者發動機建模。
D. Matlab的 cvx工具包的新手問題
cvx_begin 後面加一個quiet即可~
也就是：
cvx_begin quiet
...
...
cvx_end
E. matlab的工具包cvx求解min一范數是只能解矩陣一范數嗎
函數 norm 格式 n = norm(X) %X為向量，求歐幾里德范數，即 。 n = norm(X,inf) %求 -范數，即 。 n = norm(X,1) %求1-范數，即 。 n = norm(X,-inf) %求向量X的元素的絕對值的最小值，即 。 n = norm(X, p) %求p-范數，即 ，所以norm(X,2) = norm(X)。 命令 矩陣的范數 函數 norm 格式 n = norm(A) %A為矩陣，求歐幾里德范數 ，等於A的最大奇異值。 n = norm(A,1) %求A的列范數 ，等於A的列向量的1-范數的最大值。 n = norm(A,2) %求A的歐幾里德范數 ，和norm(A)相同。 n = norm(A,inf) %求行范數 ，等於A的行向量的1-范數的最大值 即：max(sum(abs(A')))。 n = norm(A, 'fro' ) %求矩陣A的Frobenius范數 ，矩陣元p階范數估計需要自己編程求，計算公式如下 舉個例子吧 a=magic(3) sum(sum(abs(a)^4))^(1/4) a = 8 1 6 3 5 7 4 9 2 ans = 19.7411 希望能幫上
F. MATLAB求解二次規劃問題SeDuMi與quadprog結果不同
不同的工具箱，結果是不同的，其中有很多取捨。你就用semi吧，比matlab自帶的好一些
G. cvx工具箱問題
cvx是求解凸優化問題的~你要最小化的目標函數是-(x^2+2*x+2)么，確定前面有版負號么？因為有負號的話這權個函數不是凸函數，所以cvx不能解，而且你這個函數的最小值一看就是負無窮，也沒有解的意義~
只是想測試下的話，你去掉負號，cvx就可以解的~
如果你想系統了解下怎麼用cvx的話，可以看下它的幫助cvx_user guide~
H. cvx 優化工具箱怎麼求矩陣的跡 其中目標函數中要用到矩陣跡的函數
矩陣的跡在cvx里就是trace()函數啊~比如求矩陣X的跡就是trace(X).