二次规划算法

1. QP的二次规划

Quadratic Programming: 二次规划
二次规划是非线性规划中的一类特殊数学规划问题，在很多方面都有应用，如投资组合、约束最小二乘问题的求解、序列二次规划在非线性优化问题中应用等。在过去的几十年里，二次规划已经成为运筹学、经济数学、管理科学、系统乱竖分析和组合优化科学的基本方法。
到目前为止，已经出现了很多求解二次规划问题的算法，如Lemke方法、内点法哗闷大、有效集法、椭球算法等等，并且现在仍有很多学者在从事这方面的研究工作。罩纳

2. 深度学习为什么会出现局部最优问题

对于二次规划的求解可采用SMO算法。对于回归问题，需要依靠不敏感损失函数。

SVM在解决小样本、非线性及高维模式识别中表现出许多特有的优势。

支持向量机方法是在机器学习理论指导下专门针对有限样本设计的学习方法，不仅对于小样本问题可以得到最优解，而且SVM模型具有很强的泛化能力。更
为突出的是SVM最终转化为求解一个凸二次规划问题，在理论上可以得到全局最优解，克服了一些传统方法（如神经网络方法）可能陷入局部极值的不足。虽然
SVM与神经网络相比有明显优势，但在实际应用中还存在一些问题，比如对于大规模的数据集，由于SVM要解凸二次规划而使算法效率很低，甚至无法进
行；SVM对奇异值的稳健性不高；SVM的解不具有稀疏性，存在着大量冗余支撑向量；其参数没有好的选择策略。

3. 带约束二次规划可以用共轭梯度法吗

带约束并岩二次规芦碰划可以用共轭梯度法。根据查询相关公开信息显示，数值算例表明，该算法是可行有效的：凸绝哗御二次规划，共轭梯度法。