Frank-wolf算法

Frank-Wolfe算法是一种可行方向法，它将非线性最优化问题转化为一系列线性规划问题，因此在实际应用中仍然是一种有用的算法。在每次迭代内，搜索方向总是指向某个极点，并且当迭代点接近最优解时，搜索方向与目标函数的梯度趋于正交，因此算法收敛速度比较慢。Deep Frank-Wolfe是Frank-Wolfe算法在神经网络优化中的应用，它在pytorch中有论文的实现。需要注意的是，虽然Deep Frank-Wolfe在实验中表现不错，但是后续算法具有明显的收敛保证，并且在实验中优于DFW。

1. Frank-Wolfe算法的优缺点是什么？
2. Frank-Wolfe算法在哪些领域有应用？
3. 如何将非线性最优化问题转化为一系列线性规划问题？

--相关问题--:
1. 什么是可行方向法？
2. 什么是线性规划问题？
3. 什么是非线性最优化问题？