凸优化KKT条件求解
作者：互联网
KKT条件
- 拉格朗日对偶问题
求解拉格朗日对偶问题，关键在于用拉格朗日乘子向量写出Lagrange。方法很简单，等式约束引入拉格朗日乘子lamda，不等式约束引入拉格朗日乘子v，就像所有大学数学课本多元函数求最值的拉格朗日方法一样。要是不知道的话，建议去看一下当年的数分教材 - 补充一下共轭函数的知识
共轭函数的求解也很简单，关键在于求出sup(yTx-f(x))，共轭和对偶的联系很紧密，求对偶的时候常常用到inf()=-sup(-)，然后引入共轭函数f*()。 - 终于回到了KKT的话题
KKT条件可以分解成三部分，一是满足原问题的约束，二是lamda>=0,lamdai fi(x)=0，这块还有一个好听的名字叫松弛互补，三是对拉格朗日求梯度=0
lv_ivy
发布了2 篇原创文章 · 获赞 0 · 访问量 26
私信
关注
标签：拉格朗,函数,求解,KKT,优化,乘子,共轭,对偶 来源： https://blog.csdn.net/lv_ivy/article/details/104113415