根据已学习内容，解决现在遇到的问题
1.这是一个凸优化问题吗：
https://blog.csdn.net/xmu_jupiter/article/details/47400411
经过一轮推导，对于变量为传感器位置，x,y,z。并不是凸函数
2.需要多少个等式对应多少个未知数
至少达到变量数，越多越好
3.如果使用LM方法，怎么加入约束条件
涉及到的约束：
手臂长度约束，不等式，20=<l1,l2<=30
传感器位置约束，不等式，-4<=x,y,z<4
面朝向约束，不等式，0<=theta<=6.28
https://www.cnblogs.com/punkcure/p/7825735.html
介绍了拉格朗日对偶问题，将不等式约束加入目标函数，生成一个性质类似的新目标函数。但是这种解决方法，和前面学的牛顿法等迭代求解方法好像并不能结合。
新的目标函数，其导数在可行解范围内还是一样的，一旦迭代过程里跳出了可行域，那就不知道怎么办了。跳出可行域，身边都是无穷大，导数
https://blog.csdn.net/qq_41679006/article/details/81198411
外罚点函数法：把不等式或者等式的平方项加入目标函数。
内罚点函数法：把基于不等式的分式加入目标函数，构成搜索过程里的壁垒，即搜索不会进入不可行域。
加入惩罚函数对原先搜索过程的影响：