在有效集法(Active Set Method)中,在每次迭代中都要求解一个等式约束的 QP 命题。本文主要对这一问题的求解方法进行关注。此外,本文还会涉及到部分关于 Range Space,Null Space 等内容。主要参考的是 Nocedal 的 Numerical Optimization 一书。
等式约束 QP 命题
这里我们考虑如下的一个等式约束 QP 命题:
minxsubject toq(x)=12xTGx+cTxAx=b,(1a)(1b)
其中, A∈Rm×n 是等式约束的系数。整个优化命题有 n 个决策变量(优化变量),
L=12xTGx+cTx−λT(Ax−b)
其中, λ 被称为 Lagrange 乘子,也可以称为对偶变量。由此可以写出其 KKT 条件为:
Gx∗+c−ATλ∗=0Ax∗=b
将上式写成矩阵形式为:
[GA−AT0][x∗λ∗]=[−cb]
而在实际计算中,我们往往不是直接计算最优点 x∗ 而是计算其由某个初始的估计点 x 向最优点前进的一步
[