主旨是纳什议价的求解，怎么求到电价和交易电量。相关算法采用ADMM算法。
ADMM算法介绍
对于计算量庞大的优化，可以将大规模计算分拆成多个小规模的计算，分别求解。交替乘子法(Alternating Direction Method of Multipliers,ADMM)算法就是用来解决拆分问题求解，并且具有良好的收敛效果。
ADMM算法的基础是对偶问题，以及对偶梯度下降法。
拉格朗日松弛的理解：
原函数，松弛函数
。对偶函数
根据下图可以得到原函数一定大于等于松弛函数，若取得等号，则为强对偶，取大于或等于为弱对偶。（图是[1]的）。
也就是说如果你的模型是符合强对偶的，就可以求得到乘子值，代回
求x的值。
对于ADMM算法而言，根据上面的。写出原问题的对偶问题，求出乘子，就可以求决策变量了。怎么求乘子，怎么求决策变量呢？——ADMM感觉就是对偶梯度
下降法多了一个变量。
根据包络定理和共轭函数，以及一系列证明[1]，可以得到这样的梯度下降算法求得乘子。
也就是说，得先给定一个。并且由于ADMM多一个变量，所以还得给定一个初始
。
即step1：给定、
、
，带入拉格朗日函数计算
；
step2：根据、
、
，带入拉格朗日函数计算
；
step3：根据、
，
，带入梯度下降算法：
计算；
然后迭代。
收敛条件是：
问题1：为什么约束变成了非严格约束，而是成为了判断收敛的标准，是否代表所求并非最优解，而是可行解？——[2]说了不一定是最优解
参考：
扫一扫
1201
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
