最优化

在解很多问题的时候，其实最终结果都转化为解优化为题。 本文主要讲解一般情况下线性优化和非线性优化的求解方法。

这里需要解答的问题是：

1. 如果使用梯度下降，怎么处理Xi和Xi+1的关系。两者的效率对比如何？
2. 建模问题. 在泊松融合， wls滤波， tls里面各个部分分别代表什么？在3D里面Xi，Xi+1通常表示3d点。怎么添加新约束， 比如添加一个二次项。
3. 什么情况下不能用这种优化算法。

在mlpg语音参数合成中的应用：

推导如下：

注意: 由于书写错误，图中标志部分需要对调。结果是正确的。