有关KKT条件,一直都看的云里雾里,但是还是很好奇其内在的逻辑,最后花时间整理了一下,有不足之处请指正。
有关原问题和对偶问题的转化知乎回答解释的更详细。
正文开始之前,介绍一些概念
- Duality,对偶性
(1)比如极大极小问题和极小极大问题就是对偶问题,当把极大极小问题转化成极小极大问题来求解时,得到的最优解分别是d和p,那么最优解之间可能会存在一个差值,叫做duality gap。
(2)当遵循强对偶时,gap值=0,通常在凸问题中;当遵循弱对偶时,对偶值为正,凸问题和非凸问题都存在。
(3)对偶问题的函数表达理解
- Convex optimization,凸优化
(1)求解凸函数在凸集上的最小值,此时求解的局部最小值就是全局最小值(原因请自己查凸函数和凸集的定义)。
(2)凸函数的最小值