位置
速度
加速度 ==== 角度
jerk ======= 角速度 ==========驱动力
snap ===== 角加速度 ========= 推力的导数

凸优化算法 convex optimization

凸优化（Convex Optimization）是数学和计算机科学领域的一个重要分支，主要研究如何有效地解决凸优化问题。凸优化问题的主要目标是找到一个函数的最小值，其中函数是凸函数，同时满足一定的约束条件，这些约束条件也必须是凸的。凸函数具有一些重要的性质，使得它们在优化问题中具有良好的性质和可行的解决方案。

凸优化问题的主要关注点包括以下几个方面：

1. 凸函数：研究凸函数的性质、性质和特点，以及如何识别和构造凸函数。凸函数在凸优化中扮演着核心角色，因为它们的全局最小值可以在有限的时间内找到。

2. 凸优化问题的建模：将实际问题转化为凸优化问题的数学建模过程。这通常涉及定义目标函数和约束条件，并确保它们满足凸性质。

3. 凸优化算法：开发用于解决凸优化问题的算法。这些算法包括梯度下降法、内点法、次梯度法等。这些算法通常能够在有限的迭代次数内找到全局最优解。

4. 凸优化应用：凸优化在各种领域中都有广泛的应用，包括机器学习、信号处理、金融、工程优化、网络设计等。在这些领域中，凸优化被用来解决最优化问题，以优化系统的性能或资源利用率。

总的来说，凸优化主要关注如何有效地解决凸函数最小化问题，这些问题在科学和工程中具有广泛的应用，因此凸优化是一个重要且活跃的研究领域。