整型规划的凸松弛(Convex Relaxation in Integer Programming)

先来看下整型组合优化问题，对于（图一）中的寻找最小点（红点）问题，用求导的方法不可取，用排序的方法就是NP问题，无法在多项式时间内找到最优解。

（图一）

 

遇到这种情况，可以采用松弛的方式来处理，首先把问题定义域X的范围从整型松弛到实值范围内，而且目标函数在整型定义域上小于或者等于原目标函数，如图二所示：

（图二）

 

此时可以用分析的方法(比如梯度下降等)来处理，但是仍然有个问题就是有可能陷入局部最小，解决陷入局部最小的办法就是让目标函数在定义域上是凸的，这样就不会陷入局部最小了（感觉像说了废话一样），如（图三）所示：

（图三）

这样就可以直接通过分析的方法求出逼近解，然后化整就行了。