优化与运筹学
围绕目标与凸性、算法与约束、离散决策与多目标理解概念与联系。先建立知识结构，视频讲解按审核情况逐步补充。
顺着知识，继续探索
凸集
凸集任意两点之间的整条线段仍在该集合内。
从不同角度理解
暂无审核视频。可以从地图继续探索，或推荐合适资源。 推荐视频
继续探索邻近知识点
凸函数
凸函数在两点间的函数值不超过相应弦的高度。
凸优化
在凸可行集上最小化凸函数时，局部极小值也是全局极小值。
最优化
导数帮助寻找极值候选点，还须检查端点、定义域限制以及局部极值与全局极值的区别。
梯度下降
梯度下降沿梯度反方向迭代，收敛依赖步长及函数光滑性等条件。
牛顿优化法
牛顿优化法利用梯度和黑塞矩阵构造局部二次步，常需全局化保护。