- 前言
- 常见概念
- 目标函数（objective function）
- 收敛（convergence）
- 局部最小值（local mininum）
- 全局最小值（global mininum）
- 导数（derivative）
- 一阶导数（first-order derivative）
- 二阶导数（second-order derivative）
- 梯度（gradient）
- 无约束优化（unconstrained optimization）
- 约束优化（constrained optimization）
- 常见算法
- 梯度下降法（gradient descent）
- 批处理模式梯度下降法（batch processing）
- 随机梯度下降法（stochastic gradient descent）
- 牛顿法（Newton's method）
- 算法分类
- 线性搜索法（line search）
- 置信域算法（trust region）
- 启发式算法（heuristics）
- 比喻说明
- 梯度下降：找出最优的路到达山顶
- 收敛：体重称算法
前言
最优化理论研究的问题是判定给定目标函数的最大值（最小值）是否存在，并找到令目标函数取到最大值（最小值）的数值。
人工智能问题最后都会归结为一个优化问题的求解：在复杂环境与多体交互中做出最优决策。
最优化算法可能找到全局最小值，也可能找到局部最小值，理想情况下，最优化算法的目标就是找到全局最小值。
当目标函数的输入参数较多、解空间较大时，绝大多数算法都不能满足全局搜索，只能求出局部最小值。
人工智能和深度学习的应用，只要目标函数的取值足够小，就可以把这个值当作最小值使用，作为对性能和复杂度的折中。
常见概念
目标函数（objective function）
目标函数就是实现最小化或最大化的目标函数，也被称为评价函数。
收敛（convergence）
指经过多步迭代之后得出的数值不应该无限的增大,而是趋于某个数值,
局部最小值（local mininum）
局部最小值只是比所有邻近点的函数值都小
全局最小值（global mininum）
比定义域内所有其他点的函数值都小，包括了和所有的局部最小值对比
导数（derivative）
微积分中重要基础概念，是函数的局部性质，又名微商、导函数值。
导数在几何中可以求切线，在代数中可求瞬时变化率，在物理中可求速度、加速度。
一个函数在某一点的导数描述了这个函数在这一点也附近的变化率。 概念如下
>当函数y=f(x)的自变量x在一点x0上产生一个增量Δx时，函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在，a即为在x0处的导数，记作f'(x0)或df(x0)/dx。
一阶导数（first-order derivative）
描述的是目标函数随输入的变化而变化
二阶导数（second-order derivative）
描述的是一阶导数随输入的变化而变化，提供了关于目标函数曲率（curvature）的信息
梯度（gradient）
梯度的本意是一个向量，表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。
曲率影响的是目标函数的下降速度。曲率为正，目标函数会比梯度下降法预期下降得更慢，曲率为负反之。
无约束优化（unconstrained optimization）
对自变量的取值没有限制 。例如：梯度下降法（gradient descent）
约束优化（constrained optimization）
对x变量取值限制在特定的集合内。例如：线性规划（linear programming）
常见算法
梯度下降法（gradient descent）
直观地说，就是沿着目标函数下降最快的方向寻找最小值，
举例：爬山时沿着坡度最陡的路径寻找山顶。
在数学上，梯度的方向是目标函数导数（derivative）的反方向
当输入为向量时，目标函数的图像就变成了高维空间的曲面，这时的梯度就是垂直于曲面等高线并指向高度增加方向的向量，要上目标函数以最快的速度下降，就要让自变量在负梯度的方向移动
另一个重要的是步长，也就是每次更新f(x)时x的变化值。较小的步长会导致收敛过程较慢，步长过大可能会导致一步迈过了最小值点。
以上是针对单个样本的梯度下降法，当可用的训练样本有多个时，样本的使用批处理模式和随机梯度下降法模式。
批处理模式梯度下降法（batch processing）
计算出每个样本上目标函数的梯度，再将不同样本的梯度进行求和，求和的结果作为本次更新中目标函数的梯度。
随机梯度下降法（stochastic gradient descent）
在每次更新中只使用一个样本，下一次更新中使用另一样本，在不断迭代更新过程中实现对所有样本的遍历。在训练集规模较大时，随机梯度下降法的性能更好。
把求解最优化问题想象成爬山，随机梯度下降法，就是每走一步换一个方向。
牛顿法（Newton's method）
牛顿法是将二阶导数引入优化过程，对二阶近似后的目标函数求导，并让导数为0，得到向量表示的就是下降最快的方向，牛顿法比梯度下降法快收敛速度更快
算法分类
线性搜索法（line search）
寻找最小值是先确定方向，再确定步长，需要使用目标函数的一阶导数和二阶导数
置信域算法（trust region）
寻找最小值是先确定步长，再确定搜索方向。以步长为参数划定一个区域，再在这个区域内寻找最快下降的方向。
启发式算法（heuristics）
灵感来源于20世纪50年代诞生的仿生学，将生物进化等自然现象的机理应用于现实世界复杂问题的优化之中，并取得了不俗的效果。核心是大自然中的“优胜劣汰”的生存法则，在算法的实现中添加了选择和突变等经验因素。
启发式算法的实例包括
- 模拟生物进化规律的遗传算法（genetic algorithm）
- 模拟统计物理中固体结晶过程的模拟退火算法（simulated annealing）
- 模拟低等运动产生集群智能的蚁群算法（ant colony optimization）
启发式算法其实也是搜索，是依赖经验的碰运气式的搜索，相比之下，基于梯度的这些方法更像是地毯式搜索，两者相结合的话，就是在搜索效率和解的最优性上做些折中。
神经网络算法就是一类启发式算法，模拟的是大脑中神经元竞争和协作的机制。
比喻说明
梯度下降：找出最优的路到达山顶
以山峰为例，全局最小值对应着山脉中最高的顶峰。
找到这个顶峰最好的办法是站在更高的位置上，将所有的山峰尽收眼底，再在其中找到最高的一座。
但是我们没有这样的上帝视角，都是在山脚下，一步一步地寻找着附近的高峰，但是受视野的限制，最终找到的可能只是方圆十里之内的顶峰（局部最小值）
收敛：体重称算法
在体重秤上称量时，当人站上去时指针就开始抖动，抖动幅度越来越小，最后基本稳定在一个值，读取这个数字即可。
假设体重秤称量是有算法控制的，那么这个摆动几下很快就能稳定在一个值的就是收敛性比较快（比较好）的算法；要摆动很久才能稳定的就是收敛性比较慢（比较差）的算法；
如果摆幅随着时间的推移反而越来越大，那收敛性就非常不好，通常就没有解。