考虑凸优化问题：
min f 0 ( x ) s . t . f i ( x ) ≤ 0 , i = 1 , . . . , k g i ( x ) ≤ 0 , i = 1 , . . . , m \begin{aligned} &\quad \min f_0(x) &\,\\ &\quad s.t.\,\,\,\, f_i(x) \le 0,i=1,...,k\\ &\qquad \,\,\,\,\,\, g_i(x) \le 0,i=1,...,m \end{aligned} minf0(x)s.t.fi(x)≤0,i=1,...,kgi(x)≤0,i=1,...,m
其中 f i f_i fi是凸函数， g g g是仿射函数（等式仿射约束可以转化为两个仿射不等式约束）
Slater条件：如果存在一个 x ~ ∈ r e l i n t D ( 定 义 域 相 对 内 部 ) \tilde{x} \in relint\, \mathcal{D}(定义域相对内部) x~∈relintD(定义域相对内部),使得
f i ( x ) < 0 , i = 1 , ⋯ k , g j ( x ) ≤ 0 , j = 1 , ⋯ , m f_i(x) <0,i=1,\cdots k,g_j(x)\le 0,j=1,\cdots,m fi(x)<0,i=1,⋯k,gj(x)≤0,j=1,⋯,m
则强对偶成立
先贴一个Stephen Boyd凸优化上的简化证明
这个证明做了如下的简化：第一，优化目标没有仿射不等式约束；第二，假设内部非空，而
Slater条件只假设点在相对内部中；第三，假设仿射等式约束中 A A A行满秩
第三个简化是无关紧要的，只不过做了这个假设后证明简单
A A A行满秩的假设可以去掉，只需要证明如果不是行满秩（存在冗余等式），那么可以通过一个线性变换，使得约束行满秩，且经过变换之后Lagrange函数的最优值不变，即强对偶性不变
而第一和第二是属于条件的变化，放宽了条件，使得它适用范围更窄
如果不存在仿射约束，有一个简单的证明：见简化版Slater条件证明
如果不存在仿射不等式约束，相对内点这个条件可以去掉
相对内点这个假设的作用在于，仿射函数 h h h如果在一个凸集上C的一个相对内点的值为0，那么它在这个凸集上的值要么为恒值0，要么有正也有负
证：设 f ( a ) = 0 f(a)= 0
最低0.47元/天 解锁文章
5734
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
