用于求解约束优化问题时的KKT 条件
对于只有等式的约束时，采用lagrange乘数法就可以很好的解决。
但是当设计到不等式约束时，lagrange方法没法直接解决，但是可以参照其思想，对其进行推广，由此得出了KKT方法（Karush-Kuhn-Tucker方法），应用KKT方法求解优化问题时，便导出了KKT条件，求解KKT条件，便能得到该优化问题的可能解。
含有等式和不等式约束的优化问题的一般形式如下：
min x f ( x ) s . t . g j ( x ) = 0 , j = 1 , . . . , m h k ( x ) ≤ 0 , k = 1 , . . . , p \mathop {\min }\limits_{\bf{x}}f({\bf{x}})\qquad \qquad \quad\\ s.t.\quad g_{j}({\bf{x}})=0,\quad j=1,...,m\\ \qquad\ h_{k}({\bf{x}})\le 0,\quad k=1,...,p xminf(x)s.t.gj(x)=0,j=1,...,m h
最低0.47元/天 解锁文章
6779
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
