qq_37534947的博客

文章目录一：无约束条件二：等式约束条件引入：优化问题通常是指对于给定的某一函数，求其在指定作用域上的全局最小值(因为最小值与最大值可以很容易转化，即最大值问题可以转化成最小值问题)一：无约束条件这是最简单的情况，解决方法通常是函数对变量求导，令求导函数等于0的点可能是极值点。将结果带回原函数进行验证即可。二：等式约束条件这种方法可以将一个有n个变量与k个约束条件的最优化问题转换为一个解有n + k个变量的方程组的解的问题。这种方法中引入了一个或一组新的未知数，即拉格朗日乘数，又称拉格朗日

文章目录一：全导数二：方向导数三：梯度3.1为什么所有方向导数中会存在并且只存在一个最大值？3.2 这个最大值在哪个方向取得？值是多少？四：如何直观形象的理解方向导数与梯度以及它们之间的关系？五：总结一：全导数参考：https://www.zhihu.com/question/26966355/answer/154857139，直接看后面的评论，前面的太复杂了，有能力的可以看看！！二：方向导数三：梯度引出梯度：是一个矢量，其方向上的方向导数最大，其大小正好是此最大方向导数。