二次規劃演算法

1. QP的二次規劃

Quadratic Programming: 二次規劃
二次規劃是非線性規劃中的一類特殊數學規劃問題，在很多方面都有應用，如投資組合、約束最小二乘問題的求解、序列二次規劃在非線性優化問題中應用等。在過去的幾十年裡，二次規劃已經成為運籌學、經濟數學、管理科學、系統亂豎分析和組合優化科學的基本方法。
到目前為止，已經出現了很多求解二次規劃問題的演算法，如Lemke方法、內點法嘩悶大、有效集法、橢球演算法等等，並且現在仍有很多學者在從事這方面的研究工作。罩納

2. 深度學習為什麼會出現局部最優問題

對於二次規劃的求解可採用SMO演算法。對於回歸問題，需要依靠不敏感損失函數。

SVM在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢。

支持向量機方法是在機器學習理論指導下專門針對有限樣本設計的學習方法，不僅對於小樣本問題可以得到最優解，而且SVM模型具有很強的泛化能力。更
為突出的是SVM最終轉化為求解一個凸二次規劃問題，在理論上可以得到全局最優解，克服了一些傳統方法（如神經網路方法）可能陷入局部極值的不足。雖然
SVM與神經網路相比有明顯優勢，但在實際應用中還存在一些問題，比如對於大規模的數據集，由於SVM要解凸二次規劃而使演算法效率很低，甚至無法進
行；SVM對奇異值的穩健性不高；SVM的解不具有稀疏性，存在著大量冗餘支撐向量；其參數沒有好的選擇策略。

3. 帶約束二次規劃可以用共軛梯度法嗎

帶約束並岩二次規蘆碰劃可以用共軛梯度法。根據查詢相關公開信息顯示，數值算例表明，該演算法是可行有效的：凸絕嘩御二次規劃，共軛梯度法。