面试题库 › 算法 / 大模型 › 常见优化求解方法与凸优化基础

常见优化求解方法与凸优化基础

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:最优化方法

哪些公司问过

腾讯1陌陌1

常见岗位:机器学习算法(泛)、推荐搜索广告

答案要点

  1. 解析法求闭式解;数值法迭代逼近,分一阶(GD、SGD、Adam)和二阶(牛顿、拟牛顿)
  2. 有约束问题:拉格朗日乘子、KKT 条件、投影梯度、罚函数、内点法;线性规划可用单纯形法
  3. 凸集:任意两点连线在集合内;凸函数:f(θx+(1−θ)y) ≤ θf(x)+(1−θ)f(y)
  4. 凸优化标准形式:min f(x) s.t. g_i(x) ≤ 0、h_j(x) = 0,f、g_i 为凸,h_j 为仿射
  5. 凸问题局部最优即全局最优;满足 Slater 条件时强对偶成立,KKT 为充要条件

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题