KKT条件理解

我们知道拉格朗日函数是用于等式约束的优化问题求解的，然KKT条件是针对含有不等式约束的优化问题的。

首先，我们先给出优化目标：

因此，根据优化目标，我们同样可以构造处拉格朗日函数，并对其进行优化，从而得到如下所示的一般形式的KKT条件。

 可以发现，相比等式约束极值的求解方法拉格朗日乘子法，这里由于不等式的约束增加了（5）和（6）两个条件，这个条件如何理解呢：
假设我们已经得到了由约束问题构成的约束集合,那么可能存在着两种可能性：

①最优值出现在可行域内部，此时约束条件不再起作用，因此问题就变成了无约束的极值问题；

②最优解出现在可行域的边界上，此时约束条件起作用，因此问题就变成了等式约束的极值问题。

如果说最优值出现在可行域的内部，那么相当于所有的不等式约束都不起作用，因为即使是没有不等式约束，最优值也会出现在这里，这个时候所有的不等式都不应该出现在优化的目标函数中，即 uj 全为0；<