我们解决一个问题时,如果将该问题表示为一个函数f(x),最优化问题就是求该函数的极小值。通过高等数学知识可以知道,如果该函数连续可导,就可以通过求导,计算导数=0的点,来求出其极值。但现实问题中,如果f(x)不是连续可导的,就不能用这种方法了。最优化问题就是讨论这种情况。
求最优解的问题可以分为两种:(1)无约束最优问题;(2)有约束最优问题。
无约束最优算法可以表达为:。可以用数值计算方法中的牛顿法、最速梯度下降法等,通过多次循环,求得一次近似的最优解。
我们解决一个问题时,如果将该问题表示为一个函数f(x),最优化问题就是求该函数的极小值。通过高等数学知识可以知道,如果该函数连续可导,就可以通过求导,计算导数=0的点,来求出其极值。但现实问题中,如果f(x)不是连续可导的,就不能用这种方法了。最优化问题就是讨论这种情况。
求最优解的问题可以分为两种:(1)无约束最优问题;(2)有约束最优问题。
无约束最优算法可以表达为:。可以用数值计算方法中的牛顿法、最速梯度下降法等,通过多次循环,求得一次近似的最优解。
转载于:https://www.cnblogs.com/GuoJiaSheng/p/3852188.html
来源:https://blog.csdn.net/weixin_30787531/article/details/98825766