拉格朗日 & KKT条件
来源:互联网 发布:d3.js可视化 编辑:程序博客网 时间:2024/06/02 07:11
有什么用
拉格朗日乘子法(Lagrange Multiplier)和KKT(Karush-Kuhn-Tucker)条件是求解约束优化问题的重要方法,在有等式约束时使用拉格朗日乘子法,在有不等约束时使用KKT条件。(前提:只有当目标函数为凸函数时,使用这两种方法才保证求得的是最优解。)
拉格朗日乘子法
如上所述,拉格朗日乘子法可以将等式约束优化问题转换为无约束优化问题,即将问题:
转化为:
其中,
KKT条件
当遇到不等式约束的时候怎么办呢?这个时候就需要用到KKT条件,KKT条件是拉格朗日乘子法的泛化,使其可扩展到了不等式约束的优化问题的求解。他就是将问题:
转化为一个极大极小问题:
不明白为什么?没关系,下面先看两个证明(两个方向),
1、证明
因为,
所以,
于是,
2、证明
上述式子中,
所以,
也就是说,
上面两个证明,什么意思呢?也就是原始问题(不等式约束)转化为了两个等价的问题(无约束):
我们将
有了KKT条件我们的原始问题如下求得
同时,KKT条件是拉格朗日乘子法的泛化,如果我们把等式约束和不等式约束一并纳入进来则表现为:
参考
拉格朗日乘子法和KKT条件
阅读全文
0 0
- 拉格朗日 & KKT条件
- KKT条件
- KKT条件
- KKT条件
- KKT 条件
- KKT条件
- ML—拉格朗日对偶和KKT条件
- 机器学习7 拉格朗日KKT条件
- 拉格朗日乘子法、KKT条件、拉格朗日对偶性
- 拉格朗日对偶问题与KKT条件
- 拉格朗日乘子法、KKT条件、拉格朗日对偶性
- 拉格朗日乘子法和KKT条件
- 拉格朗日乘子法和KKT条件
- 拉格朗日乘子法和KKT条件
- 拉格朗日乘子法和KKT条件
- 拉格朗日乘子法和KKT条件
- 拉格朗日乘子法和KKT条件
- 拉格朗日乘子法和KKT条件
- 第一次使用git
- 欢迎使用CSDN-markdown编辑器
- bzoj 1799: [Ahoi2009]self 同类分布(数位DP)
- 免安装Oracle连接数据库(odbc驱动)
- reflect
- 拉格朗日 & KKT条件
- javascript原型链
- 数据结构-二维数组-三角矩阵压缩存储
- C++基础(1)
- [HDU-1213]How Many Tables
- 用到了的一些Linux小命令
- HDU 3639 Hawk-and-Chicken 强连通缩点+搜索
- MVC
- SourceInsight使用