考虑一个n维度的优化问题，给定一些线性方程组（不等式）或对输入的约束，这些约束形成一个凸区域，寻找某个表达式的最大值或最小值，该表达式是输入（或维度）的某种线性组合。

对于更高维度，这些优化问题需要很长时间才能给出精确答案。

那么，我们能否使用机器学习技术，在较短的时间内获得近似解呢？

如果我们能在这种情况下使用机器学习技术，训练集应该是什么样的？

回答：

这并不像是特别专注于通常意义上的机器学习。这只是一个直接的约束优化问题。你说现在找到解决方案需要太长时间，但你没有提到你是如何尝试解决这个问题的。

单纯形算法是为这种类型的问题设计的，但在最坏情况下是指数级的。你尝试的是不是单纯形算法导致时间过长？如果是的话，有很多元启发式方法可能会表现得很好。禁忌搜索、模拟退火、进化算法、变深度搜索，甚至简单的多起点爬山法。我可能会在尝试任何奇特的方法之前，先尝试这些方法。