最优化问题简介 — AP 微积分 BC
1. 最优化的核心概念 ★★☆☆☆ ⏱ 3 min
最优化问题是一类应用型极值问题，要求你在给定一个或多个可用输入约束的条件下，找到使得目标输出量最大化或最小化的输入（例如：最小化生产成本、最大化围合面积、最大化商业利润）。在AP微积分BC考试中，该主题占总分的8-10%，同时出现在选择题和自由问答题部分，且经常整合体积、隐函数求导等其他主题。
2. 通用四步最优化框架 ★★☆☆☆ ⏱ 4 min
所有AP最优化问题都遵循标准化四步框架，这能减少错误并保证你在FRQ中获得全部方法分。框架如下：
- 定义所有变量，识别目标函数（需要优化的量）和关联变量的约束条件。
- 利用约束条件将目标函数改写为单变量函数，然后根据物理/情境约束写出可行定义域。
- 通过求导并令一阶导数等于零，找到目标函数在定义域内的所有临界点。
- 将临界点分类为绝对最大值或最小值，然后计算原题要求的量。
Exam tip: 找到临界点后一定要重新读题：很多学生在题目要求输出量（比如总面积或总成本）时，只回答了输入变量，因此丢分。
3. 定义域约束与闭区间法 ★★★☆☆ ⏱ 4 min
当目标函数的可行定义域是闭有界区间（包含端点，由输入的硬上下界约束导致）时，你必须使用极值定理中的闭区间法来求绝对极值。
极值定理保证了闭有界区间上的连续函数一定同时存在绝对最大值和绝对最小值，它们可以出现在内部临界点 *或* 端点处。跳过端点评估是AP考试最常见的错误之一。
Exam tip: 当定义域为闭区间时，AP阅卷官会主动给跳过端点评估的答题扣分。闭区间一定要评估端点。
4. 复杂最优化问题的隐函数求导 ★★★★☆ ⏱ 4 min
对于带有非线性约束的最优化问题或3D形状问题，将目标函数整理为显式单变量函数可能非常困难甚至不可能。这种情况下，我们可以使用隐函数求导来得到导数，无需显式求解因变量，同时仍然遵循核心四步框架。
Exam tip: 不要误将约束的导数设为零。只有目标函数的导数在极值点处等于零。
5. AP风格练习例题 ★★★☆☆ ⏱ 5 min
Common Pitfalls
Why: 学生专注于找临界点的微积分步骤，忘记读题末确认要求的输出是什么。
Why: 学生假设极值一定出现在内部临界点，忘记闭区间上端点可能给出更极端的值。
Why: 题目通常先描述约束，导致学生误将固定约束量当作需要优化的目标。
Why: 学生急于求导，跳过了正确书写定义域的步骤，导致得到非物理的临界点。
Why: 学生假设唯一的临界点自动就是绝对极值，不需要证明。