Optimering (matematik): Forskelle mellem versioner

Typisk er A et subsæt af det euchlidskeeuclidske rum R^n, ofte beskrevet med nogle nærmere beskrevne begrænsninger i form af lignininger eller uligheder som medlemmerne i A skal opfylde. <br />

Et stort antal algoritmer, som er foreslået til at løse sådanne ikke-entydige optimeringer (eng: non-convex problems ) – og dette inkluderer størstedelen af de komercieltkommercielt tilgængelige optimeringsalgoritmer – er ikke i stand til at foretage en skelnen (eng: distinction) mellem lokale optimale løsninger (lokale optima) og løsninger som vitterligt er extreme i den region, der er valgt, dvs. ekstremumspunkter der gælder for hele A. De fleste algoritmer vil opfatte en funden lokalt optimal løsning som om det var en optimal løsning for hele A, dvs. programmet indser ikke, at dets løsning ikke er den rigtige. Den gren af anvendt matematik og numerisk analyse der beskæftiger sig med udviklingeudvikling af deterministiske algoritmer som er i stand til at garantere konvergens indenfor en endelig tid (dvs. som er i stand til at finde den korrekte løsning og hvor man er i stand til at give et bud på, hvor lang tid programmet skal bruge på det) kaldes for global optimering.<br />