拉格朗日求解最优问题——条件极值

一、问题描述

二、拉格朗日和KKT条件的最优化问题

1. 等式约束的优化
   
2. 不等式约束的优化
   

三、利用拉格朗日手工求解问题

说明：上述问题是等式约束

1. 构造拉格朗日函数
   $F(x,\lambda )=f(x)+\sum _{j=0}^n{\lambda }_j{h}_j(x)$
   其中，f ( x ) 为原来的目标函数，j表示第j个等式约束条件，${\lambda }_j$为对应的约束系数。
   构造的拉格朗日函数如下
   $F(x,y,z,\lambda )=f(x,y,z)+\sum _{j=0}^n{\lambda }_j{h}_j(x)=8xyz+\lambda (\frac{x_2}{a_2}+\frac{y_2}{b_2}+\frac{z_2}{c_2}-1)$
2. 解变量的偏导方程
   对每个变量进行求偏导，得到一个关于变量的方程组如下
   $$\{\begin{array}{l}\frac{\partial F(x,y,z,\lambda )}{\partial x}=8yz+\frac{2\lambda x}{a_2}=0\\ \frac{\partial F(x,y,z,\lambda )}{\partial y}=8xz+\frac{2\lambda y}{b_2}=0\\ \frac{\partial F(x,y,z,\lambda )}{\partial z}=8xy+\frac{2\lambda z}{c_2}=0\\ \frac{\partial F(x,y,z,\lambda )}{\partial \lambda }=\frac{x_2}{a_2}+\frac{y_2}{b_2}+\frac{z_2}{c_2}=1=0\end{array}$$
   求解得到的结果如下
   $$\{\begin{array}{l}x=\frac{\sqrt{3}}{3}a\\ y=\frac{\sqrt{3}}{3}b\\ z=\frac{\sqrt{3}}{3}z\end{array}$$
3. 带入目标函数
   $Vmax=8xyz=\frac{8\sqrt{3}}{9}abc$

四、利用拉格朗日编程求解问题

代码内容

# 导入包
from sympy import *
# 设置变量
x,y,z,k = symbols('x,y,z,k')
a,b,c=symbols('a,b,c')
f = 8*x*y*z
g = x**2/a**2+y**2/b**2+z**2/c**2-1
#构造拉格朗日函数
L=f+k*g
#求导
dx = diff(L, x)   # 对x求偏导
print("dx=",dx)
dy = diff(L,y)   #对y求偏导
print("dy=",dy)
dz = diff(L,z)   #对z求偏导
print("dz=",dz)
dk = diff(L,k)   #对k求偏导
print("dk=",dk)
dx= 8*y*z + 2*k*x/a**2
dy= 8*x*z + 2*k*y/b**2
dz= 8*x*y + 2*k*z/c**2
dk= -1 + z**2/c**2 + y**2/b**2 + x**2/a**2
#求出个变量解
m= solve([dx,dy,dz,dk],[x,y,z,k])   
print(m)
#变量赋值
x=sqrt(3)*a/3
y=sqrt(3)*b/3
z=sqrt(3)*c/3
k=-4*sqrt(3)*a*b*c/3
#计算方程的值
f = 8*x*y*z
print("方程的最大值为：",f)

通过diff函数求解的偏导结果

通过solve函数求解变量的结果（根据题目要求，可知变量的值应该为正数）

最终求解结果

五、总结

手工求解结果需要比较大的计算量，而且很有可能会出现计算错误的现象。python编程求解，就很快捷，不易出现错误。但是，python求解对理论理解方向就没有手工求解来的更加清晰具体。

参考链接

Python编程实现对拉格朗日和KKT条件求极值
最优化问题(二) 之 拉格朗日乘子法和KKT
拉格朗日乘子法和KKT条件求解最优化方法