非线性最优化的实例分析

参考 https://www.cnblogs.com/always-fight/p/9377554.html

1、首先从简单的开始，没有约束的非线性，然后就是非线性中比较特殊的一个例子，多项式的非线性，如下图

思路：用matlab求解f的hessian矩阵，然后求解hessian矩阵的特征向量，如果都大于0，就是正定，如果是大于等于0，那么就是半正定，如果有小于0的，那就是非正定。前提：是求解最小值啊，如果求解最大值，那就要反过来的，不过一般都把目标函数倒过来就是了。

2、那么要找一个非正定的，来试试，看下图

用上面的思路，求解一遍看看，可以看到hessian得到的，是带有变量的，因此肯定是不定的，如下所示：
h =
[ 2x1, 0]
[ 0, 2x2 - 2]
用eig求解，得到如下：
e =
2x2 - 2
2x1
那么可以细化一下，比如[0,1]这个解，是半正定的，应该是极小值，[1,1]这个解，是正定的，也是极小值，[-1,0]这个解，是负定的，应该是极大值，[-1,1]这个解，是不定的，不是极值点。所以，这几个点有的是极值点，有的不是极值点。
因此，这个肯定没有全局最优解的，对不对呢？不知道，反正，上面的这个例子肯定没有最小值。
引出一个话题：
凸函数肯定有全局最优解，即极小值就是最优解；那么如果是非凸函数，是不是就一定没有全局最优解呢？等待解决中。。。