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.