不懂优化的人希望能有通用的方法来解决他手头的问题，但不幸的事没有这种方法存在，快速的方法都需要某些条件，比如常见的有强凸，线性，可分解啥的。目前研究的比较成熟的就是强凸光源可分解
非凸没有特别有效的方法来解，如果是强凸的，何必用那么复杂的方法求最优解？正是因为不是强凸的，才用到优化方法。就算是凸的，也分好几种不同的情况，只用一阶梯度，达到牛顿梯度法的收敛速度，在convex问题中，还有non-smooth的函数，也是不好解的。
算法论中的动态规划，贪心算法等等是基本的理论。实际中采用的往往需要和计算方法相结合。下面几种是可以通过工具直接实现的最优解算法.
爬山算法：爬山算法是一种简单的贪心搜索算法，是对深度优先搜索的一种改进，利用反馈信息帮助生成解的决策，属于人工智能算法的一种。
采用启发式方法，局部择优，每次从当前解的临近解空间中选择一个最优解，替换为当前解，直到达到一个局部最优解。
缺点：因为不是全面搜索，所以结果可能不是**。
爬山算法一般存在以下问题：
1）、局部最大：某个节点比周围任何一个邻居都高，但是它却不是整个问题的最高点。
2）、高地：也称为平顶，搜索一旦到达高地，就无法确定搜索**方向，会产生随机走动，使得搜索效率降低。
3）、山脊：搜索可能会在山脊的两面来回震荡，前进步伐很小。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/57827.html