AnkorTn
commented
3 years ago CS257 线性优化与凸优化（江波老师班）
课程简介
学习内容包括：
凸集(Convex sets)：
定义、凸组合、凸包、样例、保凸操作等
凸函数(Convex functions)：
定义、仿射函数、严格凸、强凸、水平集、样例
一阶条件、二阶条件、保凸操作等
优化问题(Optimization problems)：
定义、可行域、定义域、关键性质、典型问题（LP、QP、QCQP）、等价问题等
凸优化问题(Convex optimization problems)：
无约束问题与有约束问题的最优解条件（KKT）等
对偶问题(Duality)：
对偶定义、对偶问题定义、强对偶、弱对偶、Slater条件等
算法(Algorithms)：
无约束问题：下降方法（梯度法、牛顿法）、步长选择、收敛分析等
有约束问题：约束条件化简、牛顿法选择步长等参考教材
\<Convex Optimization> by Boyd and Vandenberghe
可以直接访问 https://web.stanford.edu/~boyd/cvxbook/ 下载
其他参考教材（基本用不到）：
\<An Introduction to optimization> by Chung and Zak, 4th Edition
\<Numerical Optimization> by Nocedal and Wright
授课老师
江波：Email: bjiang@sjtu.edu.cn
授课方式
全英文授课，最后一周复习课采用中文授课。
考核方式
50%平时作业+50%期末考试
平时作业每周一次，比较有特色的是上机利用python具体实现对凸优化问题的求解（江波老师侧重算法的具体实现，涂士奎老师比较没有这方面的应用），平时作业基本都可以对着上课的课件中寻找求解问题的灵感。平时作业严禁抄袭（包括代码），如有发现则当次作业以0分记（那么总评的损失非常大因为作业占比很大），因而推荐最好自主完成作业。
期末考试相较于平时作业来说会比较简单灵活，总体体验很好，平均分有78.6（因为存在0分缺考的情况不然应该有80+），加上基本9分（满分10分）的平时分，总评大约85分平均分。
课程体验
这门课如果英语不太能够接受的同学江波老师慎选，因为是真的全英文授课，而且语速会比较快一点，但是上课如果听得不是很懂的可以课后通过课件的方式进行复习（或者预习），也不会对于作业的完成产生过大的影响。最后一节课的复习课一定要去，因为会用中文对整学期的学习内容进行归纳整合，体验很好。由于是两学分的课，学到的东西难免比较少、知识点比较浅，可以适当参考一下书本内容进行拓展。
yangshiqi2002
https://ieee.icu/#/courses/grade-2/CS257
上海交通大学 IEEE 试点班，一个充满了「神仙」课程的专业，本网站旨在记录这些课程的信息以及历届学生对其的评价