优化问题概述：方法与复杂性分析,-CSDN博客

本文链接：https://blog.csdn.net/qq_44600017/article/details/131151148

1.概论

1.1 最优化问题

分类：

名称
无约束方法	用于优化无约束问题
约束方法	用于在约束搜索空间中寻解
多目标优化方法	用于有多个目标需要优化的问题
多解方法	能够找到多个解
动态方法	能够找到并跟踪变化的最优解

定义：函数优化问题可以描述为：令S为 $R^n$ 的有界子集（S为定义域）， $:S\rightarrow R$ 为n维实值函数，所谓函数 $f$ 在s域上全局最小化就是寻找点 $x_{min} \in s$ ,f(x) 在s上全局最小

规划问题：一些条件下，求解函数极大值极小值的模型称之为优化问题。其一般形式为
$\begin{equation} \left\{ \begin{aligned} maxf(x) 或 minf(x) \\ s.t.h_i(x) =0,j =1,2,...m \\ g_j(x) \ge 0,j = 1,2,...m\\ \end{aligned} \right. \end{equation}$

如果为线性函数，那么称之为线性规划
x 取整数称之为整数规划

1.2 局部最优化问题

领域函数：指导如何由一个解来产生一个新解

构造领域函数： $x_{new} = x_{old} + \lambda \xi$ , $\lambda$ 为尺度参数， $\xi$ 为满足某种改良版分布的随机数或者噪声

邻域解：对于组合优化（S，F，f）问题来说，S是解的状态空间，F是可行域，f为目标函数，定义一种映射 $N:s\rightarrow 2^s$ ,含义是对于每个解 $i\in S$ ,每个解i 的邻域构成的状态空间 $S_i \in S$ ，对于任意的 $\in s_i$ ,称之为邻域解

EX:

TSP问题解为（1，2，3，4），那么其进行排序就是新的解，比如（1，3，2，4）等新解

局部最小值：若 $\forall j \in S_i \cap F$ ,满足 $\ge f(i)$ 那么i称之为局部最小值（在邻域内最小）

全局最小值：若 $\forall j \in F$ ,满足 $\ge f(i)$ 那么i称之为全局最小值

局部搜索：局部搜索是基于贪婪算法，利用领域函数进行搜索。

1.3优化问题的复杂性

时间复杂性和空间复杂性：算法对时间和空间的需要量，可以表示为问题规模n的函数。 $T(n)\& S(n)$

相关问题：


P类问题	能够用确定性算法在多项式时间内求解的判定问题
NP问题	用不确定多项式求解的问题
NP完全问题	1.问题D属于NP类 2.NP中的任何问题都能够在多项式时间内转化为D
NP难问题	满足2，但是不满足1.