---
title: "Optimal solution (optimization) — 最优解"
source: "https://systems-analysis.info/int/Optimal_solution_(optimization)_%E2%80%94_%E6%9C%80%E4%BC%98%E8%A7%A3"
wiki: "systems-analysis.info/int"
article: "Optimal_solution_(optimization)_—_最优解"
language: "zh"
categories:
  - "Category:Chinese"
  - "Category:Modeling"
  - "Category:Operations research"
  - "Category:Systems analysis terminology"
  - "Category:Terminology"
revision_id: 5190
wiki_created_at: 2026-09-06T23:45:48Z
wiki_modified_at: 2026-09-06T23:45:48Z
downloaded_at: 2026-09-07T23:07:11Z
---

# Optimal solution (optimization) — 最优解

**最优解**（Optimal solution）——在运筹学、优化和决策论中，这是一个可行解（即满足问题的所有约束），它为目标函数提供了极值（最大值或最小值，取决于问题的具体设定）。

寻找最优解是解决大多数优化问题的主要目标。

## 本质与特征

最优解具有两个关键特征：

1\. **可行性：**它必须满足施加于模型变量的所有约束。换言之，最优解总是属于可行域。 2. **目标函数的极值性：**在所有可行解中，它为目标函数提供了最优（最大或最小）值。目标函数是最优性准则的形式化表达。

并非所有可行解都是最优解，但任何最优解都必须是可行解。

## 与可行域的关系

可行域代表了满足问题约束的所有备选方案（变量值的组合）的集合。最优解是该区域中目标函数达到其极值的一个或多个点。如果可行域为空，那么该问题既没有可行解，也因此没有最优解。

## 目标函数与约束的作用

- 约束定义了**可能**解的集合（可行域）。
- 目标函数决定了这些可能解中的哪一个才是**最优**的（最优解）。

没有目标函数，就无法确定哪个可行解是最优的。没有约束，问题可能变得微不足道，或者可能没有有限的最优解（例如，无约束的线性函数最大化问题）。

## 最优解的唯一性

最优解**不总是唯一的**。在某些问题中（例如，在线性规划中，如果目标函数平行于某个活动约束），可能存在无穷多个最优解，它们具有相同的目标函数值。然而，在最优点（或点集）处，目标函数的值总是唯一的（如果存在最优解）。

## 求解方法

在运筹学中，根据模型的类型，使用各种数学方法来寻找最优解：

- 单纯形法（用于线性规划）
- 梯度下降法等数值方法（用于非线性规划）
- 分支定界法、割平面法（用于整数规划）
- 动态规划方法

## 对模型的依赖性

重要的是要理解，一个解是**仅在所采用的数学模型框架内**才是最优的。如果模型未能充分反映现实情况（例如，目标函数选择不当，或未考虑重要的约束或依赖关系），那么形式上找到的最优解在实践中可能会是低效甚至错误的。

## 多目标问题中的最优性

在具有多个目标函数的问题（多目标优化）中，单一最优解的概念通常被**帕累托最优**的概念所取代。帕累托最优解是指这样一种可行解：对于它，不可能在不使至少一个其他目标函数值变差的情况下，改善某个目标函数的值。

## 参见

- 运筹学
- 优化
- 数学模型
- 目标函数
- 约束
- 可行域
- 可行解
- 准则
- 决策论
- 多目标优化
- 帕累托最优
- 极值

## 参考文献

- *Вентцель Е. С.* Исследование операций: задачи, принципы, методология. — М.: Наука, 1988.
- *Taha, Hamdy A.* Operations Research: An Introduction. — Pearson. (10th ed., 2017)
- *Hillier, Frederick S.; Lieberman, Gerald J.* Introduction to Operations Research. — McGraw-Hill Education. (11th ed., 2021)