大域的最適解局所的最適解

"大域的最適解"（Global optimum）和"局所的最適解"（Local optimum）是優化問題中的兩個概念。在尋找一組參數或變量的最佳值時，最適解可以分為兩種：

1. 全局最適解（Global optimum）：這是指在整個搜尋空間中找到的最佳解。它是對於所有可能的解來說，是最好的那一個。全局最適解是優化的目標，因為它代表了解決方案的最佳性能。

2. 局部最適解（Local optimum）：這是相對於搜尋空間中的一個局部區域而言的最佳解。局部最適解可能是全局最適解，但如果搜尋算法被困在一個局部最適解中，它可能永遠無法找到全局最適解。

在實踐中，找到全局最適解通常比找到局部最適解更難，因為全局最適解可能位於搜尋空間的遠端，並且可能需要算法跳出局部最適解的吸引域。這通常需要特殊的優化算法或策略，如遺傳算法、粒子群優化或模擬退火等。

例如，考慮一個簡單的搜尋問題，其中搜尋空間是一個山谷，山谷中有一些山丘。全局最適解位於山谷的最底部，而局部最適解則位於山丘的頂部。一個普通的搜尋算法可能會被困在一個局部最適解的山丘上，而無法找到位於山谷底部的全局最適解。