课程价格 ：
¥699.00
剩余名额
0
-
学习时长
6周/建议每周至少6小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
每章节设计作业/助教及时批改评优
-
课程有效期
一年/告别拖延，温故知新
课程价格：
￥699.00
预约下一期 *课程已报满，可预约下一期
支持花呗分期
*课程已报满，可预约下一期
- 1-1：【文档】开课仪式
- 1-2：参考资料
- 1-3：【推荐书籍】Matrix Computations
- 第1章: 数值优化基础
- 2：【课件】Numerical Optimization in Robotics
- 第1节: 数学规划与机器人学
- 3：【视频】数学规划与机器人学
- 第2节: 凸集合与函数的高阶信息
- 4-1：【视频】凸集合与函数的高阶信息
- 4-2：【视频】High-Order Info of Functions
- 第3节: 凸函数的性质
- 5：【视频】凸函数的性质
- 第4节: 非凸函数的无约束优化：线搜索最速下降法
- 6：【视频】无约束优化
- 第5节: 非凸函数的无约束优化：修正阻尼牛顿法
- 7：【视频】非凸函数的无约束优化：修正阻尼牛顿法
- 第6节: 实践作业：实现线搜索最陡梯度下降法
- 8-1：【文档】作业说明
- 8-2：【作业】Project 1：实现线搜索最陡梯度下降法
- 第2章: 无约束优化
- 9：【课件】Numerical Optimization in Robotics
- 第1节: 章节内容介绍
- 10：【视频】章节内容介绍
- 第2节: 拟牛顿法
- 11-1：【视频】为什么要引入拟牛顿法
- 11-2：【视频】凸且光滑的函数的BFGS优化算法
- 11-3：【视频】非凸但平滑的函数BFGS优化算法
- 11-4：【视频】L-BFGS优化算法
- 11-5：【视频】非凸非平滑函数的BFGS优化方法
- 第3节: 共轭梯度(CG)方法
- 12-1：【视频】线性共轭梯度法
- 12-2：【视频】牛顿共轭梯度法
- 第4节: 无约束优化应用：平滑导航路径生成
- 13-1：【视频】应用：平滑导航路径生成
- 13-2：【作业说明】L2-Instruction
- 第5节: 实践作业：实现光滑导航路径的生成
- 14-1：【作业】Project 2：实现光滑导航路径的生成
- 14-2：【资料】示例代码参考
- 第3章: 约束优化
- 15：【课件】Numerical Optimization in Robotics
- 第1节: 章节内容介绍
- 16：【视频】带约束优化问题的定义
- 第2节: 约束优化的形式分类及其复杂度
- 17：【视频】带约束优化问题的分类及复杂度
- 第3节: 低维线性时间线性规划算法：Seidel算法
- 18：【视频】低维线性时间线性规划算法：Seidel算法
- 第4节: 低维线性时间严格凸二次规划算法
- 19：【视频】低维线性时间严格凸二次规划算法
- 第5节: 约束优化的3种序列无约束化方法
- 20：【视频】约束优化的3种序列无约束化方法
- 第6节: KKT条件与PHR增广拉格朗日乘子法
- 21-1：【视频】KKT条件与PHR增广拉格朗日乘子法
- 21-2：【视频】PHR增广拉格朗日乘子法
- 第7节: 约束优化应用1：控制分配问题
- 22：【视频】约束优化应用1：控制分配问题
- 第8节: 约束优化应用2：碰撞距离计算
- 23：【视频】约束优化应用2：碰撞距离计算
- 第9节: 约束优化应用3：非线性模型预测控制
- 24：【视频】约束优化应用3：非线性模型预测控制
- 第10节: 实践作业：严格凸二次规划求解与NMPC优化方法实现
- 25-1：【作业资料】HW3
- 25-2：【作业】Project3：严格凸二次规划求解与NMPC优化方法实现
- 第4章: 对称锥规划
- 第1节: 锥和对称锥
- 第2节: 对称锥的增广拉格朗日乘子法
- 第3节: 对称锥规划应用：时间最优路径重参数化
- 第4节: 实践作业：PHR增广拉格朗日凸性证明与凸规划求解
- 第5章: 优化问题的构建和求解技巧
- 第1节: 函数的光滑化技巧
- 第2节: 伴随灵敏度分析
- 第3节: 线性方程组求解器的分类和特点
- 第4节: 优化软件资源
- 第5节: 实践作业：复杂障碍物环境中的安全导航
- 第6章: 机器人学中的凸松弛
- 第1节: 章节内容介绍
- 第2节: QCQP问题的凸松弛
- 第3节: 黎曼阶梯法
- 第4节: 分布式凸松弛
- 第5节: GNC：凸松弛的一般性方法
- 第6节: 参考资料推荐
