Explore la dynamique hamiltonienne sur les polytopes convexes, couvrant les capacités symlectiques, la capacité EHZ et les maximisateurs de ratio systolique.
Couvre le théorème de Doignon en programmation entière, indiquant qu'un ensemble est minimalement irréalisable si la suppression de toute contrainte le rend réalisable.
Explore les conditions KKT dans l'optimisation convexe, couvrant les cônes doubles, les propriétés, les inégalités généralisées et les conditions d'optimisation.
Couvre la régression MAE, la coque convexe, les avantages de la reformulation et les problèmes pratiques liés aux variables et aux contraintes de décision.
Couvre les méthodes de solution pour réduire au minimum les convexes composites et explore des exemples comme les moindres carrés régularisés et la récupération de phase.
Sur Convex Optimization couvre l'organisation des cours, les problèmes d'optimisation mathématique, les concepts de solution et les méthodes d'optimisation.
Explore les résultats élémentaires en optimisation convexe, y compris les coques affines, convexes et coniques, les cônes appropriés et les fonctions convexes.
Introduit les bases de la programmation linéaire, y compris les problèmes d'optimisation, les fonctions de coût, l'algorithme simplex, la géométrie des programmes linéaires, les points extrêmes et la dégénérescence.
