KKT条件

最新推荐文章于 2023-07-25 15:05:27 发布

倪风俠

最新推荐文章于 2023-07-25 15:05:27 发布

阅读量140

点赞数

文章标签：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_42524215/article/details/114695102

版权

KKT条件

在求解最优化问题的时候得到最优解，(1)对于无约束条件，那么直接求导值为0得解， (2)对于等式约束条件，直接采用拉格朗日乘子法求解，对n个条件下分别求导，这样得到n+1个方程，也可以得到最优解，(3)对于不等式约束条件，那么在满足KKT条件（具体的问题对待在求解的时候对不同的参数添加不同的约束条件）的时候才可以使用拉格朗日乘子法,以下分别介绍

具体参考：

https://blog.csdn.net/johnnyconstantine/article/details/46335763

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
KKT条件

KKT条件在求解最优化问题的时候得到最优解，(1)对于无约束条件，那么直接求导值为0得解， (2)对于等式约束条件，直接采用拉格朗日乘子法求解，对n个条件下分别求导，这样得到n+1个方程，也可以得到最优解，(3)对于不等式约束条件，那么在满足KKT条件（具体的问题对待在求解的时候对不同的参数添加不同的约束条件）的时候才可以使用拉格朗日乘子法,以下分别介绍具体参考：https://blog.csdn.net/johnnyconstantine/article/details/46335763...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。