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。
条件
一般的优化问题:
minimize f(x)(1)
subject toai(x)=0fori=0,1,⋯,p(2)
cj(x)≧0forj=0,1,⋯,q(3)
方法
一般约束问题的优化问题极值点一阶必要条件(KKT)
如果 x∗ 是优化问题的局部最小解,那么有
1) ai(x∗)=0fori=0,1,⋯,p
2) cj(x∗)≧0forj=0,1,⋯,q
3)通过拉格朗日乘子式, v∗i,fori=0,1,⋯,p 和 λ∗j,forj=0,1,⋯,q ,使得
Δf(x∗)=∑i=1pv∗iΔai(x∗)+∑j=1qλ∗jΔcj(x∗)(4)
4) λ∗jcj(x∗)=0,forj=0,1,2,⋯,q
λ∗j>0⟹cj(x∗)=0
cj(x∗)>0⟹λ∗j=0
5) λ∗j>=0
条件3)的由来:拉格朗日乘子式,求导,且等于0,将x=x^*代入,可获得(4)。
证明:
待定。。。。