本文主要内容包括:
1. 局部极小值与全局极小值(local and global minimizers)参考文献1. 局部极小值与全局极小值(local and global minimizers)
非线性规划与线性规划(凸规划,所以最优解就是整个可行域的全局最优解)有一个不同之处就是,非线性规划求出的解是一部分可行域上的极值点,但不一定是整个可行域上的全局最优解。
局部极小值定义:
全局极小值定义:
下图给出了一个存在很多局部极小值的函数,对于像这样的函数,寻找全局最优会很困难,因为算法往往被“困”在局部极小值上。有一类规划问题很特殊,它是凸规划(目标函数和约束条件为凸函数,可行域为凸集的规划),这一类规划的特别之处在于它的局部极小值就是全局极小值。
参考文献
1. 第4版《运筹学》-清华大学出版社
2. Luenberger, D. G. , & Ye, Y. . (2016). Linear and nonlinear programming.
3. Nocedal, Jorge, & Wright, Stephen J. (0). Numerical optimization. 2nd ed.. Springer.