في سعيها لفهم أعمق لعمليات تحسين غير المحدبة، قدمت دراسة جديدة تصنيفا هيكليا يعتمد على مضاعفات لاغرانج عند نقاط KKT الثابتة. يستند هذا التصنيف إلى تفسير موحد نظريًا للألعاب لثماني عائلات خوارزميات كلاسيكية تشمل تقنيات مثل النزول الأكثر انحدارًا (Gradient Descent) والطريقة الداخلية (Interior-Point Methods) وغيرهما.

عبر دراسة ومقارنة مختلف أساليب التحسين، يُظهر هذا البحث أن المتجه المعتمد على المضاعفات يحمل بصمة هيكلية تظل مستقلة عن الخوارزمية المستخدمة. هذه البصمة، تتضمن أربعة ميزات شكلية بلا مقاييس، تقسم الفضاء الثنائي إلى خمسة أنظمة تشغيل: غير مقيد (Unconstrained)، محدود الموارد (Resource-Limited)، تشبع (Saturation)، ارتباط قوي (Strongly-Coupled) وهجين (Hybrid).

تدعم الدراسة بأربعة نظريات هيكلية تميز هذا التقسيم، حيث تؤكد على الثبات المحلي عند اضطراب البيانات وإمكانية الانتقال بين الأنظمة، مما يضيف عمقاً لفهمنا لهذه العمليات. كما تم اقتراح مصنف يعمل بالزمن الخطي لضمان دقة التنبؤات.

تجارب عددية على 104 برنامج غير خطي مختلط أثبتت التوقعات النظرية، مما يفتح آفاقاً جديدة لتصميم خوارزميات متجاوبة مع الأنظمة وتعزيز التحليل المتعلق بالمتانة في تحسين غير المحدب. بهذه الطريقة، يوفر هذا الإطار أداة أساسية لمهندسي البيانات والباحثين في هذا المجال.