2026年最优化方法测试题及答案

2026年最优化方法测试题及答案

一、单项选择题（每题2分，共20分）1.在标准线性规划问题中，若最优解存在，则一定可以在可行域的哪类点上达到A.内点B.极点C.边界点D.任意点2.对凸函数f(x)而言，其全局极小点满足的必要且充分条件是A.梯度为零B.Hessian矩阵正定C.梯度为零且Hessian半正定D.梯度为零且Hessian正定3.使用内点法求解线性规划时，中心路径上的点满足A.原始可行且对偶可行B.仅原始可行C.仅对偶可行D.原始对偶均不可行4.若约束优化问题的KKT点处LICQ不成立，则A.KKT条件一定不是必要条件B.一定不存在拉格朗日乘子C.仍可能存在拉格朗日乘子D.该点必为局部极大5.牛顿法在严格凸二次函数上采用精确步长，其收敛性为A.线性B.超线性C.二次D.三次6.对于无约束非凸优化，最速下降法搜索方向满足A.与负梯度夹角最小B.与负梯度夹角最大C.与梯度正交D.与梯度同向7.若增广拉格朗函数中罚参数ρ→∞，则原始问题与增广问题最优值A.差值趋于零B.差值趋于常数C.差值趋于无穷D.无规律8.在信赖域方法中，若模型函数下降量与实际下降量比值接近1，则下一步应A.缩小半径B.保持半径C.扩大半径D.重启算法9.对偶间隙在原始对偶内点法迭代过程中A.单调增B.单调减C.先增后减D.无单调性10.若某线性规划问题的对偶问题无可行解，则原问题A.必无界B.必无可行解C.或无界或无可行解D.必有最优解二、填空题（每题2分，共20分）11.线性规划标准型中，决策变量要求________。12.若f(x)在R^n上可微且凸，则f(y)≥f(x)+∇f(x)^T(y-x)称为________不等式。13.对于约束优化minf(x)s.t.g_i(x)≤0，若x正则且满足KKT，则乘子μ_i与g_i(x)满足________条件。14.拟牛顿法通过________条件更新Hessian近似矩阵。15.若原始问题为maxc^Txs.t.Ax≤b,x≥0，则对偶问题目标函数为________。16.内点法迭代中，邻域参数θ∈(0,1)用于控制________距离。17.信赖域子问题通常求解的是________范数球内的二次模型极小。18.若f(x)二阶连续可微且∇^2f(x)对所有x正定，则f为________函数。19.增广拉格朗日函数L_ρ(x,λ)=f(x)+λ^Th(x)+________。20.在梯度下降法中，若步长满足Armijo条件，则保证目标函数________。三、判断题（每题2分，共20分）21.线性规划的可行域若非空，则必有极点。22.若Hessian矩阵在极小点处半正定，则该点必为全局极小。23.对偶函数一定是凹函数。24.牛顿法对任何初始点均收敛到全局极小。25.内点法迭代点允许在可行域边界上。26.若约束函数全为线性，则LICQ在任何可行点均成立。27.信赖域半径越小，模型近似越准确。28.拟牛顿法不需要计算二阶导数。29.增广拉格朗日法可处理不等式约束通过引入松弛变量。30.若原始问题无界，则对偶问题必无可行解。四、简答题（每题5分，共20分）31.叙述凸优化问题中Slater条件的作用并给出几何解释。32.说明最速下降法出现"锯齿"现象的原因及改进策略。33.写出原始对偶内点法求解线性规划的核心方程组并解释其牛顿步含义。34.比较增广拉格朗日法与经典罚函数法在数值稳定性上的差异。五、讨论题（每题5分，共20分）35.讨论在深度学习中采用Adam而非传统梯度下降的理论依据，并指出其可能陷入的优化陷阱。36.考虑带非凸约束的优化问题，探讨信赖域方法与传统序列二次规划(SQP)各自的优劣。37.在大规模线性规划中，分解算法（如Dantzig-Wolfe）与内点法在内存占用与并行性上的权衡。38.结合KKT条件与二阶充分条件，论述如何验证某点为非凸问题的局部极小，并给出数值验证流程。答案与解析一、单项选择题1.B2.C3.A4.C5.C6.A7.A8.C9.B10.C二、填空题11.非负12.梯度13.互补松弛14.割线或拟牛顿15.minb^Tλs.t.A^Tλ≥c16.中心路径17.欧氏或l218.严格凸19.(ρ/2)‖h(x)‖^220.充分下降三、判断题21.√22.×23.√24.×25.×26.×27.×28.√29.√30.√四、简答题31.Slater条件保证存在严格可行点，使对偶间隙为零，几何上意味着相对内部与可行域相交，从而强对偶成立。32.锯齿因相邻搜索方向正交，曲率信息缺失；引入动量或牛顿方向可缓解。33.方程组为AΔx=0,A^TΔλ+Δs=0,XΔs+SΔx=μe-Xs，牛顿步将当前点拉向中心路径并减小μ。34.增广拉格朗日法通过乘子更新避免ρ→∞，条件数受控；罚函数需ρ→∞导致病态。五、讨论题35.Adam利用梯度一阶矩估计与二阶矩估计自适应调整步长，适合稀疏梯度与非平稳目标；可能因矩估计偏差陷入尖锐极小或错过全局极小。36.信赖域用球约束保证每步有意义下降，适合高度非凸；SQP需解非凸二次子问题，可能无解但收敛快，需结合滤波或罚函数。3