在数学中，非线性规划是求解由一系列未知实函数组成的方程组方程和不等定义的最佳化问题，伴随着一个要被最大化或最小化的目标函数，只是一些约束或目标函数是非线性的。它是最优化处理非线性问题的一个子领域。
进化算法是人工智能中进化计算的子集。进化算法启发自生物的演化机制，模拟繁殖、突变、遗传重组、自然选择等演化过程，对最佳化问题的候选解做演化计算的算法。
在最优化，统计学，计量经济学，决策论，机器学习和计算神经科学的领域中，损失函数或成本函数是指一种将一个事件映射到一个表达与其事件相关的经济成本或机会成本的实数上的一种函数，借此直观表示的一些"成本"与事件的关联。一个最佳化问题的目标是将损失函数最小化。一个目标函数通常为一个损失函数的本身或者为其负值。当一个目标函数为损失函数的负值时，目标函数的值寻求最大化。
在数学中，马可夫决策过程是离散时间随机最佳控制过程。 它提供了一个数学框架，用于在结果部分随机且部分受决策者控制的情况下对决策建模。 MDP对于研究通过动态规划解决的最佳化问题很有用。 MDP至少早在1950年代就已为人所知； 一个对马可夫决策过程的核心研究是
罗纳德·霍华德于1960年出版的《动态规划和马可夫过程》。 它们被用于许多领域，包括机器人学，自动化，经济学和制造业。 MDP的名称来自俄罗斯数学家安德雷·马可夫，因为它们是马可夫链的推广。
天际线运算属于最佳化问题的范畴。用来查询数据库中的结果，并保证返回的每一个结果至少在某一方面不劣于其他结果。
流水线调度是计算机科学及运筹学中的一个最佳化问题，是最优作业调度的一个变体。在一般的作业调度问题中，我们有从
J
1
{\displaystyle J_{1}}
到
J
n
{\displaystyle J_{n}}
这n个工作，每项工作都具有不同的完成时间。我们需要做的是最小化加工周期，也就是完成所有工作所用的时间。而在流水线调度的问题中，每项工作都需要经过m道工序，且第i道工序必须在第i台机器上完成，每台机器在同一时间最多去完成一项任务。
在数学中，马可夫决策过程是离散时间随机最佳控制过程。 它提供了一个数学框架，用于在结果部分随机且部分受决策者控制的情况下对决策建模。 MDP对于研究通过动态规划解决的最佳化问题很有用。 MDP至少早在1950年代就已为人所知； 一个对马可夫决策过程的核心研究是
罗纳德·霍华德于1960年出版的《动态规划和马可夫过程》。 它们被用于许多领域，包括机器人学，自动化，经济学和制造业。 MDP的名称来自俄罗斯数学家安德雷·马可夫，因为它们是马可夫链的推广。
对偶间隙是应用数学中最佳化问题的词语，是指对偶性之间的差距。若
d
∗
{\displaystyle d^{*}}
是对偶问题解对应的值，而
p
∗
{\displaystyle p^{*}}
是原始问题最佳解对应的值，则对偶间隙为
p
∗
−
d
∗
{\displaystyle p^{*}-d^{*}}
。针对最小化的最佳化问题，对偶间隙恒大于等于零。对偶间隙为零当且仅当强对偶的条件成立，不然对偶间隙为严格正值，此时即为弱对偶。
在最优化理论中的对偶或对偶性原则是指最佳化问题可以用两种观点来看待的理论，两种观点分别是“原始问题”及“对偶问题”。对偶问题的解提供了原始问题的下限，不过一般而言，原始问题和对偶问题的最佳解不相同。两个最佳解的差距为对偶间隙。若是凸优化问题，对偶间隙也称为是卡鲁什-库恩-塔克条件。
单机调度也被称为单资源调度，是计算机科学和运筹学中的一个最佳化问题。在这一问题中，我们有从
J
1
{\displaystyle J_{1}}
到
J
n
{\displaystyle J_{n}}
这
n
{\displaystyle n}
个工作，每项工作所需处理时间都不尽相同。我们所需要做的便是将这些工作在机器上进行排程，使其目标函数实现最佳化。
Mini wiki
