第八章 最优性条件

内容来自马昌凤编著的《最优化方法及其Matlab程序设计》,文章仅为个人的学习笔记,感兴趣的朋友详见原书。

1.等式约束问题的最优性条件

拉格朗日定理

假设x∗x^*x是如下问题的局部极小点

minf(x)min f(x)minf(x)
s.t.hi(x)=0,i=1,2,...,ls.t. h_i(x)=0, i=1,2,...,ls.t.hi(x)=0,i=1,2,...,l

f(x)f(x)f(x)hi(x)h_i(x)hi(x)x∗x^*x的某邻域内连续可微。若向量组▽hi(x∗)▽h_i(x^*)hi(x)线性无关,则存在乘子向量λ∗=(λ1∗,λ2∗,...,λl∗)Tλ^*=(λ_{1}^*,λ_{2}^*,...,λ_{l}^*)^Tλ=(λ1,λ2,...,λl)T,使得

▽xL(x∗,λ∗)=0▽_xL(x^*,λ^*)=0xL(x,λ)=0

即:▽f(x∗)−∑λi∗▽hi(x∗)=0▽f(x^*)-∑λ_{i}^*▽h_{i}(x^*)=0f(x)λihi(x)=0

2.不等式约束问题的最优性条件

本节考虑不等式约束问题的最优性条件:
minf(x)min f(x)minf(x)
s.t.gi(x)≥0,i=1,2,...,ms.t. g_i(x)≥0, i=1,2,...,ms.t.gi(x)0,i=1,2,...,m

有效集

在这里插入图片描述

KT条件

在这里插入图片描述

3.一般约束问题的最优性条件

即将上述两种情况结合起来
在这里插入图片描述

KT一阶必要条件

在这里插入图片描述

例题

在这里插入图片描述

定理:设(x∗,u∗,λ∗)(x^*,u^*,λ^*)(x,u,λ)是凸优化问题(f为凸函数,h是线性函数,g是凹函数)的KT点,则x∗x^*x必为该问题的全局极小点。

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值