这道题的争议点是A和D。 凸优化领域的经典教材：Convex Optimization（Boyd, S., & Vandenberghe, L. 著）中， 第五章和第10章解释了：拉格朗日函数是推导 KKT 条件、构建对偶问题的理论核心。如果一个二次规划问题仅包含等式约束（Ax=b），那么通过构建拉格朗日函数并对变量求导，会直接得到一个线性方程组（KKT 系统）。直接求解这个方程组，就是这类特殊问题的求解方法。 另外，第一章解释了，凸优化问题（包括标准的连续二次规划）的核心性质是“局部最优解即全局最优解”，因此它们可以被多项式时间算法（如内点法）高效求解。而分支定界法本质上是一种隐式枚举算法，专门用来处理非凸优化或者离散优化/整数规划问题（由于存在局部最优陷阱或变量不连续，只能通过“分枝”搜索空间）。因此分支定界法不属于求解的标准方法。（除非问题被扩展为了混合整数二次规划 MIQP，但那是整数规划的范畴）。 但是在《最优化理论与算法》（陈宝林 编著，清华大学出版社，国内最经典的运筹学教材）中。 “二次规划”被严格归类在连续最优化（第11章）中；而“分支定界法”被严格归类在整数规划（第14章）中。 分支定界法的本质是一种智能枚举法，用于解决变量必须是整数（或离散）的情况。标准的二次规划问题是一个连续型优化问题，其变量可以在实数域内任意取值。用分支定界法去解标准的连续二次规划，是学术概念上的错位。 教材Nonlinear Programming (Dimitri P. Bertsekas 著，MIT 经典教材)中讲明了如何通过拉格朗日乘子以及**增广拉格朗日法（Augmented Lagrangian Methods / 乘子法）**来求解包含二次规划在内的约束优化问题。例如最优化求解框架 ADMM（交替方向乘子法）底层就是基于拉格朗日法。因此，应该是广义上的拉格朗日法才是求解连续二次规划的重要基础方法。

这道题的争议点是A和D。

凸优化领域的经典教材：Convex Optimization（Boyd, S., & Vandenberghe, L. 著）中，
第五章和第10章解释了：拉格朗日函数是推导 KKT 条件、构建对偶问题的理论核心。如果一个二次规划问题仅包含等式约束（Ax=b），那么通过构建拉格朗日函数并对变量求导，会直接得到一个线性方程组（KKT 系统）。直接求解这个方程组，就是这类特殊问题的求解方法。
另外，第一章解释了，凸优化问题（包括标准的连续二次规划）的核心性质是“局部最优解即全局最优解”，因此它们可以被多项式时间算法（如内点法）高效求解。而分支定界法本质上是一种隐式枚举算法，专门用来处理非凸优化或者离散优化/整数规划问题（由于存在局部最优陷阱或变量不连续，只能通过“分枝”搜索空间）。因此分支定界法不属于求解的标准方法。（除非问题被扩展为了混合整数二次规划 MIQP，但那是整数规划的范畴）。

但是在《最优化理论与算法》（陈宝林 编著，清华大学出版社，国内最经典的运筹学教材）中。
“二次规划”被严格归类在连续最优化（第11章）中；而“分支定界法”被严格归类在整数规划（第14章）中。
分支定界法的本质是一种智能枚举法，用于解决变量必须是整数（或离散）的情况。标准的二次规划问题是一个连续型优化问题，其变量可以在实数域内任意取值。用分支定界法去解标准的连续二次规划，是学术概念上的错位。

教材Nonlinear Programming (Dimitri P. Bertsekas 著，MIT 经典教材)中讲明了如何通过拉格朗日乘子以及**增广拉格朗日法（Augmented Lagrangian Methods / 乘子法）**来求解包含二次规划在内的约束优化问题。例如最优化求解框架 ADMM（交替方向乘子法）底层就是基于拉格朗日法。因此，应该是广义上的拉格朗日法才是求解连续二次规划的重要基础方法。