二次规划(Quadratic programming)

326 篇文章 2 订阅
183 篇文章 6 订阅

二次规划Quadratic programming),在运筹学当中,是一种特殊类型的最佳化问题。

[编辑] 简介

二次规划问题可以以下形式来描述:

f(x)=(1/2)x^TQx + c^Tx

受到一個或更多如下型式的限制條件:

Ax \le b
 E x = d

v^Tv 的转置。

如果Q是半正定矩阵,那么f(x)是一个凸函数。如果有至少一个向量x满足约束而且f(x)在可行域有下界,二次规划问题就有一个全局最小值x。 如果Q是正定矩阵,那么全局最小值就是唯一的。如果Q=0,二次规划问题就变成线性规划问题。

根据优化理论,一个点x 成为全局最小值的必要条件是满足 Karush-Kuhn-Tucker(KKT)条件。当f(x)是凸函数时,KKT条件也是充分条件。

当二次规划问题只有等式约束时,二次规划可以用线性方程求解。否则的话,常用的二次规划解法有:内点法(interior point)、active set和共轭梯度法等。凸集二次规划问题是凸优化问题的一个特例。

[编辑] 对偶

每个二次规划问题的对偶问题也是二次规划问题。我们以正定矩阵Q为例:

L(x,\lambda) = (1/2)x^TQx + \lambda^T(Ax-b) + c^Tx

对偶问题g(\lambda),可定义为

g(\lambda) = \inf_x L(x,\lambda)

我们可用 \nabla_x L(x,\lambda)=0: 得到L的极小

x* = -Q^{-1}(A^T\lambda+c),

对偶函数:

g(\lambda) = -(1/2)\lambda^TAQ^{-1}A^T\lambda - c^TQ^{-1}A^T\lambda - b^T\lambda

对偶问题为:

maximize : -(1/2)\lambda^TAQ^{-1}A^T\lambda - (c^tQ^{-1}A^T+b^T)\lambda

subject to :\lambda \ge 0

[编辑] 计算复杂性

当Q正定时,用椭圆法可在多项式时间内解二次规划问题。当Q负定时,二次规划问题是NP困难的(NP-Hard)。即使Q 存在一个负特征值时,二次规划问题就是NP困难的。


来源:http://zh.wikipedia.org/zh/%E4%BA%8C%E6%AC%A1%E8%A7%84%E5%88%92

  • 3
    点赞
  • 46
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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