二次规划（Quadratic programming）

最新推荐文章于 2022-04-19 17:09:46 发布

alaclp

最新推荐文章于 2022-04-19 17:09:46 发布

阅读量3.8w

点赞数 3

分类专栏：科学计算图像处理算法文章标签：优化 c

算法同时被 3 个专栏收录

341 篇文章 3 订阅

订阅专栏

326 篇文章 2 订阅

订阅专栏

183 篇文章 6 订阅

订阅专栏

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：

$Ax \le b$

$E x = d$

$v^T$ 是 $v$ 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

关注

3
点赞
踩
46

收藏

觉得还不错? 一键收藏
2
评论
二次规划（Quadratic programming）

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：受到一個或更多如下型式的限制條件：是的转置。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
复制链接

扫一扫

专栏目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。