matlab中globalsearch,matlab最优化问题的函数(fminbnd),fmincon,globalsearch,multistart（全局局部最优）...

在讨论优化问题时我们先来讨论全局最优和局部最优

全局最优：问题所有的可能解中效果最好的解。

局部最优：问题的部分可能解中效果最好的解。

一个针对的全局，一个针对的部分。

就像我们设初值一样，设置了以后函数开始迭代变化。

这时可能出现两种现象

①迭代到一个解，该解距离初值较近，此处该值很有可能是局部最优。

②迭代到一个解，该解距离初值相对较远，此处该值很大可能是全局最优，当然也可能是局部最优。

上面这个图相信大家看到过很多类似的，包括那个爬山坡的图在内，但是这里想强调的一点，这些图虽然很直观，但是也容易造成误解。我去……我一个求最优干嘛让我看这些图，我那些一堆公式，怎么才能和这些图对上呢？？？

这里就需要解释一下了：我们的求解其实都是迭代的过程，我们的函数在我们选择的起始点进行多个方向的尝试，看哪个反向能得到最优就向着哪个方向前进。那么什么是最优，这里我们的理性告诉我们，其他方向都比我差，我就是最优。是这样么？你是不是进入了一个小沟沟？这里就是局部了，你只能说你在你附近方圆几百里是最好的，但是地球那么大，你不想去看看么，这里就引入了全局最优，你是中国第一不行，你需要是全世界第一才行。