人工智能基础学习:拉格朗日乘子法实现非线性规划

拉格朗日乘子法原理介绍

对于二元函数,设目标函数为f( x 1 , x 2 x_1,x_2 x1,x2),极值存在的必要条件为:
等式约束为: g ( x 1 , x 2 ) = 0 g(x_1,x_2)=0 g(x1,x2)=0
在无约束时, ∂ f ∗ ∂ x 1 = ∂ f ∗ ∂ x 1 = 0 , 即 d f = ( ∂ f ∗ ∂ x 1 ) d x 1 + ( ∂ f ∗ ∂ x 2 ) d x 2 = 0 \frac{\partial f^*}{\partial x_1}=\frac{\partial f^*}{\partial x_1}=0,即df=(\frac{\partial f^*}{\partial x_1})dx_1+(\frac{\partial f^*}{\partial x_2})dx_2=0 x1f=x1f=0df=(x1f)dx1+(x2f)dx2=0
在有等式约束时,除了以上关系式还要满足:
d g = ( ∂ g ∗ ∂ x 1 ) d x 1 + ( ∂ g ∗ ∂ x 2 ) d x 2 = 0 dg=(\frac{\partial g^*}{\partial x_1})dx_1+(\frac{\partial g^*}{\partial x_2})dx_2=0 dg=(x1g)dx1+(x2g)dx2=0
由以上两个式子可以得出
d x 2 d x 1 = − ( ∂ f ∗ / ∂ x 1 ∂ f ∗ / ∂ x 2 ) d x 2 d x 1 = − ( ∂ g ∗ / ∂ x 1 ∂ g ∗ / ∂ x 2 ) \frac {dx_2}{dx_1}=-(\frac{\partial f^*/\partial x_1}{\partial f^*/\partial x_2}) \frac {dx_2}{dx_1}=-(\frac{\partial g^*/\partial x_1}{\partial g^*/\partial x_2}) dx1

  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值