En pseudokonvex funktion är en funktion som beter sig som en konvex funktion när det gäller att hitta sitt lokala minimum , men som inte nödvändigtvis är konvex. Informellt är en differentierbar funktion pseudokonvex om den ökar i någon riktning där den har en positiv riktningsderivata .
En verkligt värderad funktion ƒ definierad på en (icke-tom) konvex öppen mängd X i ett finitdimensionellt euklidiskt rum kallas pseudokonvex om för alla x , y ∈ X så att , vi har [1] . Här är gradienten ƒ definierad av formeln
Varje konvex funktion är pseudokonvex, men det omvända är inte sant. Till exempel är en funktion pseudokonvex, men inte konvex. Alla pseudokonvexa funktioner är kvasi -konvexa , men det omvända är inte sant eftersom funktionen är kvasi -konvex, men inte pseudokonvex. Pseudokonvexitet är främst av intresse eftersom en punkt x * är ett lokalt minimum av en pseudokonvex funktion ƒ om och endast om det är en stationär punkt för funktionen ƒ , vilket inträffar när gradienten för funktionen ƒ försvinner på x * :
[1] .Begreppet pseudokonvexitet kan generaliseras till icke-differentiera funktioner enligt följande [2] . Givet en funktion kan vi definiera dess övre Dini-derivata som
där u är vilken enhetsvektor som helst . En funktion sägs vara pseudokonvex om den ökar i någon riktning där den övre Dini-derivatan är positiv. Mer exakt kan det beskrivas i termer av en subdifferential enligt följande:
En pseudokonkav funktion är en funktion vars negativa är pseudokonvex. En pseudolineär funktion är en funktion som är både pseudokonvex och pseudokonkav [3] . Till exempel har linjär-fraktionella programmeringsproblem pseudo -linjära objektiva funktioner och linjära ojämlikhetsbegränsningar . Dessa egenskaper gör att problem med fraktionerad programmering kan lösas med en variant av simplexmetoden ( George B. Dantzig ) [4] [5] [6] .