Q1: 对于一个有 n 个变量与 k 个约束条件的最优化问题转换为一个有 n + k 个变量的方程组的极值问题,其变量不受任何约束,这样如何解决?
拉格朗日乘子法 (Lagrange Multiplier Method): 用于解决约束优化问题,是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。
解析上式:
- 当 gi(x)>0,即不满足约束条件时,由于内层取max,因此 α i = ∞ ⇒ α i g i ( x ) = ∞ \alpha _{i}=\infty \ \Rightarrow \ \alpha _{i}g_{i}(x)=\infty αi=∞ ⇒ αigi(x)=∞
- 当 gi(x) ≤ 0,即满足约束条件时,由于内层取max,因此 α i = 0 ⇒ α i g i ( x ) = 0 \alpha _{i}=0\ \Rightarrow \ \alpha _{i}g_{i}(x)=0 αi=0 ⇒ αigi(x)=0
- 当 hj(x) ≠ 0,即不满足约束条件时,由于内层取max,因此 β j = s i g n ( h j ( x ) ) ⋅ ∞ ⇒ β j h j ( x ) = ∞ \beta _{j}=sign(h_{j}(x))\cdot \infty \ \Rightarrow\ \beta _{j}h_{j}(x)=\infty βj=sign(hj(x))⋅∞ ⇒ βjhj(x)=∞
- 当 hj(x) = 0,即满足约束条件时,由于内层取max,因此 ∀ β j ⇒ β j h j ( x ) = 0 \forall\ \beta _{j}\Rightarrow\ \beta _{j}h_{j}(x)=0 ∀ βj⇒ βjhj(x)=0
※ 满足约束条件则是取0,不满足则是取 ∞,因此必须满足下式才有意义:
对偶问题
作用:原问题的 关于x 的最小化 转化为了 对偶问题关于α、β的最大化。
KKT条件