学习笔记|广义拉格朗日函数与KKT条件的应用

举报
darkpard 发表于 2021/11/15 21:39:25 2021/11/15
【摘要】 1. 知识点回顾在学习笔记|拉格朗日乘子法中,我们讨论了多变量多约束下拉格朗日乘子法的应用,即在学习笔记|KKT条件与拉格朗日乘子法中,我们进一步讨论了含有不等式约束情况下,拉格朗日乘子法的应用,即假设最优化问题为:2. 广义拉格朗日函数与KKT条件同样假设最优化问题为:KKT条件同样不变3. KKT条件的意义学习笔记|KKT条件与拉格朗日乘子法实际上在推导KKT条件的必要性,这里重点证明凸...

1. 知识点回顾

学习笔记|拉格朗日乘子法中,我们讨论了多变量多约束下拉格朗日乘子法的应用,即

学习笔记|KKT条件与拉格朗日乘子法中,我们进一步讨论了含有不等式约束情况下,拉格朗日乘子法的应用,即

假设最优化问题为:

2. 广义拉格朗日函数与KKT条件

同样假设最优化问题为:

KKT条件同样不变

3. KKT条件的意义

学习笔记|KKT条件与拉格朗日乘子法实际上在推导KKT条件的必要性,这里重点证明凸优化条件下,KKT条件的充分性。

因为

所以

那么


所以,当原问题是凸优化问题时,KKT条件是求解原问题的充分条件。对于凸优化问题,可以不经过拉格朗日函数的构建,直接列出KKT条件进行求解。

参考文献

1.https://www.cnblogs.com/massquantity/p/10807311.html
2.https://www.jianshu.com/p/19c2ed0259a8
3.https://zhuyulab.blog.csdn.net/article/details/115863150

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。