线性编程优化和梯度下降优化之间有什么区别？

Question

在线性规划问题中，我们制定了两个线性函数和一个优化函数。在这里我们找到两个线性函数相交的点，并在优化函数中替换这些值以获得最大值或最小值。

这与梯度体面优化有何不同？任何人都可以用数学方法详细说明。这两种方法都达到了全球最大值还是最小值？哪个更好？

Answer 1

• 线性规划找到优化该线性组合的权重。它保证可以工作，但仅适用于线性组合的功能
• 梯度下降可以对任何函数起作用，只要你知道它的衍生物。但是，如果函数是凸的，它只能保证工作。否则会陷入局部最佳状态

所以，别无选择。如果您有线性组合，线性编程会更好。在所有其他情况下，梯度下降是您唯一的选择。