最優(yōu)化原理的兩個性質(zhì)？最優(yōu)化原理也稱為最優(yōu)性原理。指解決多階段決策問題的理論。這個理論是美國的伯曼在1956年提出的。它最初的說法是，一個過程的最優(yōu)策略具有這樣的性質(zhì):不管它的初始狀態(tài)和初始決策如何，

最優(yōu)化原理的兩個性質(zhì)？

最優(yōu)化原理也稱為最優(yōu)性原理。指解決多階段決策問題的理論。這個理論是美國的伯曼在1956年提出的。它最初的說法是，一個過程的最優(yōu)策略具有這樣的性質(zhì):不管它的初始狀態(tài)和初始決策如何，它的后續(xù)決策都必須構成以第一個決策形成的狀態(tài)為初始狀態(tài)的過程的最優(yōu)策略。

這一原理的實質(zhì)是多階段決策過程具有僅從當前狀態(tài)和系統(tǒng)的優(yōu)化要求做出下一個最優(yōu)決策的性質(zhì)，而不考慮過去的過程。

代碼優(yōu)化所依據(jù)的是？

1.對等原則。優(yōu)化后，程序運行的結果不應改變。

2.對等原則。優(yōu)化后的目標代碼運行時間更短，存儲空間更少。

3.成本效益原則。應該盡可能以較低的成本獲得更好的優(yōu)化結果。

程序設計語言編譯原理(第三版)P272

凸優(yōu)化算法原理及講解？

凸優(yōu)化算法是優(yōu)化問題中非常重要的一類，也是研究比較深入的一類。

對于機器學習來說，如果要優(yōu)化的問題被證明是凸優(yōu)化問題，說明這個問題可以很好的解決。

求解一般優(yōu)化問題的全局極小值是非常困難的。至少問題是函數(shù)可能有多個局部極值點，還有鞍點問題。

對于第一個問題，我們找到一個梯度為0的點，這是一個極值點，但不是全局極值。如果一個問題有多個局部極值，我們就要找出所有的局部極值，然后進行比較，得到全局極值，這是非常困難的，計算成本也相當高。

第二個問題更嚴重。我們找到了一個梯度為0的點，但它甚至不是局部極值。通常，該函數(shù)在0處的導數(shù)等于0，但它根本不是極值點:

梯度下降法和牛頓 s法，都是以導數(shù)為判據(jù)，找到導數(shù)/梯度為0的點，梯度等于0，這只是求極值的必要條件而不是充分條件。

如果把這個必要條件變成充分條件，也就是問題就簡單化了。

如果問題有限，可以保證上述條件成立。

限制方案之一是:

對于目標函數(shù)，我們將其定義為凸函數(shù)；對于優(yōu)化變量的可行域(注意還包括目標函數(shù)的定義域的約束)，我們將其定義為凸集。

同時滿足這兩個約束的優(yōu)化問題稱為凸優(yōu)化問題。這類問題有一個很好的性質(zhì)，就是局部最優(yōu)解一定是全局最優(yōu)解。

綠松石有哪些優(yōu)化處理手段，怎么鑒別是否優(yōu)化處理過？

綠松石浸泡在汽油等液體中，會改變光澤和顏色，但容易褪色，所以不再使用。

將綠松石在蟲蠟或川蠟中煮沸，加深顏色，封住微小的縫隙(在放大鏡下，用熱針靠近綠松石表面，蠟受熱熔化后會形成珠子。表面時間長了會褪色，日曬后褪色更快。

用有機或無機染料將淺色或白色綠松石染成想要的顏色；

染色后顏色不自然——非常均勻，在綠松石本身的裂紋處顏色更深。

染出來的顏色很淺，一般在1mm左右，在綠松石某處的脫皮處和坑里可能會露出一個淺色的核。

染過的綠松石一部分碰到沾有氨水的棉簽會流藍色。

注射有色或無色塑料，有時加入著色劑，是目前最成功的方法:填充型腔，提高穩(wěn)定性；減少表面光線的散射，使綠松石呈現(xiàn)出適中的藍色調(diào)以改善外觀(注射塑料的綠松石折射率低于1.61；密度一般小于2.76g/cm3，通常為2.0-2.48g/cm3，天然優(yōu)質(zhì)綠松石密度應大于2.6g/cm3；注塑綠松石的莫氏硬度較低，一般為3-4，外觀相同的天然綠松石莫氏硬度一般為5-6；注射成型通常有燒傷痕跡)