KKT(Karush-Kuhn-Tucher)条件
来源:互联网 发布:php 检验 excel 编辑:程序博客网 时间:2024/05/19 23:54
KKT(Karush-Kuhn-Tucher)条件
在优化理论中,KKT条件是非线性规划(nonlinear programming)最佳解的必要条件。KKT条件将lagrange乘数法(Lagrange multipliers)中的等式约束优化问题推广至不等式约束。本文从Lagrange乘数法推导KKT条件。
给定一个目标函数
minimize
subject to
为方便分析,假设
其中
优化必要条件:
其中第一个为stationary equation,第二个为约束条件。通过求解上述方程,可得
接下来我们将约束等式
minimize
subject to
约束不等式
- 内部解:在约束条件无效的情形下,
g(x) 不起作用,约束优化问题退化为无约束优化问题,因此驻点x∗ 满足▽f=0 且λ=0 。 - 边界解:在约束条件有效的情形下,约束不等式变成等式
g(x)=0 ,这与前面Lagrange乘数法的情况相同。我们可以证明驻点x∗ 发生在▽f∈span{▽g} ,换句话说,存在λ 使得▽f=−λg(x) ,但这里λ 的正负号是尤其意义的。因为我们希望最小化f ,梯度▽f 应该指向可行域K 的内部,但▽g 指向可行域K 的外部(即g(x)>0 的区域),因此λ⩾0 称为对偶可行性 - 更直观的图解来自https://en.wikipedia.org/wiki/Karush%E2%80%93Kuhn%E2%80%93Tucker_conditions 及 http://blog.csdn.net/johnnyconstantine/article/details/46335763:
不论是内部解还是边界解,
以上就是KKT条件。如果我们要做大化
考虑标准约束优化问题
minimize
subject to
定义拉格朗日函数
其中
**感谢**johnnyconstantine,ccjou
- KKT(Karush-Kuhn-Tucher)条件
- Karush-Kuhn-Tucker 最优化条件 (KKT 条件)
- Karush-Kuhn-Tucker 最优化条件 (KKT 条件)(转载)
- 拉格朗日对偶和KKT条件(Karush-Kuhn-Tucker)
- 关于Karush-Kuhn-Tucker(KKT)条件的几何分析
- Lagrange Multiplier and KKT(Karush-Kuhn-Tucker)
- SVM中的Karush-Kuhn-Tucker条件和对偶问题
- SVM中的Karush-Kuhn-Tucker条件和对偶问题
- SVM中的Karush-Kuhn-Tucker条件和对偶问题
- Gradient And Karush-Kuhn-Tucker Conditions
- Gradient And Karush-Kuhn-Tucker Conditions
- Gradient And Karush-Kuhn-Tucker Conditions
- Gradient And Karush-Kuhn-Tucker Conditions
- Gradient And Karush-Kuhn-Tucker Conditions
- KKT条件
- KKT条件
- KKT条件
- KKT 条件
- 用sql生成EF上下文
- Thinking in java-3 Java 堆和栈
- 线性表链式存储结构
- 在分布式系统中进行日志查询与管理的新手段介绍
- 64位Linux下安装mysql-5.7.13-linux-glibc2.5-x86_64
- KKT(Karush-Kuhn-Tucher)条件
- liunx 的用户和组
- memcache和redis的区别
- android Audio OverView之一(framework)
- 检查oracle表和索引可回收空间!!
- 点击联系我们弹出临时QQ对话框
- c#基础接触(打卡)
- LTDC 学习
- 前端js实现桌面通知