math - 线性规划优化和梯度下降优化有什么区别?
问题描述
在线性规划问题中,我们制定了两个线性函数和一个优化函数。我们找到两个线性函数相交的点,并在优化函数中替换这些值以获得最大值或最小值。
这与梯度优化优化有何不同。任何人都可以在数学上详细说明这一点。两种方法都达到全局最大值还是最小值?哪个更好?
解决方案
- 线性规划找到优化该线性组合的权重。它保证可以工作,但仅适用于线性组合的函数
- 梯度下降可以作用于任何函数,只要你知道它的导数。但是,只有当函数是凸函数时才能保证工作。否则会陷入局部最优
所以,真的别无选择。如果你有一个线性组合,线性规划更好。在所有其他情况下,梯度下降是您唯一的选择。
推荐阅读
- python - AttributeError:尝试将 .docx 转换为 .pdf 时,模块“comtypes.gen.Word”没有属性“_Application”
- python - python Visual Studio代码pip cmdlet错误无法安装
- java - Java:在标签中从数据库中检索和显示值
- c++ - RCPSP(资源约束项目调度问题)的有效计算方法
- python - C ++中的Python var操作数
- javascript - JavaScript/TypeScript 可以在不先导入的情况下重新导出别名下的所有命名导出吗?
- c# - ElasticSearch 删除所有数据
- c# - 执行程序时如何无限期启动c#FileSystemWatcher函数?
- python - Python:使用while循环1-100偶数并在1行上对3个数字进行排序
- powershell - VSC - Powershell 会话 - 等待会话文件出现超时