拉格朗日松弛技术

拉格朗日松弛技术是一个非常简单而漂亮地转化方法。

首先，拉格朗日松弛技术是用在优化问题里面（假设是最小化问题），而且一定是有约束条件的优化问题。

在计算问题展现给我们的各种方式中，优化问题（一部分是目标，一部分是规则）仍可 以说是最常见的。而离散优化问题，我们的选择是二选一，没有中间地带，这是最典型的选择。

有很多方法可以对一个问题进行松弛，我们已经看到了三个最重要的问题。首先，约束 松弛，简单地消除一些约束，在回到现实之前，先在更宽松的问题上取得进展。第二，持续 松弛，将离散的或二进制的选择变成连续体：

也就是说面对问题或困境时不要一开始就对自己有太高的要求（约束条件过多），先做吧，得到一个还算ok的结论的时候再加约束条件，然后再进行改进优化,最后得到最终结果。

随机性。对于某些复杂的问题，随机性能提供一些解决方案，不过可能需要在准确度上做出一些妥协。什么更能反映真实的情况呢。在脱贫的案例中，是官方公布的统计学数字，还是政府单方面精心挑选的案例，都不是。相比之下，在所有贫困户中随机挑选一家，采访真实情况，更能反映整体情况。接受随机性的信息推荐，有助于打破固有的知识框架，增加选择的多样性。接受这些随机性的建议，会尝试到一些原来不会主动选择的选项。比如书籍，酒，蔬菜的选择等。