阅读的顺序为:
拉格朗日乘子法--补充认识(等式约束条件)_mjiansun的博客-CSDN博客
引言
本篇文章将详解带有约束条件的最优化问题,约束条件分为等式约束与不等式约束,对于等式约束的优化问题,可以直接应用拉格朗日乘子法去求取最优值;对于含有不等式约束的优化问题,可以转化为在满足 KKT 约束条件下应用拉格朗日乘子法求解。拉格朗日求得的并不一定是最优解,只有在凸优化的情况下,才能保证得到的是最优解,所以本文称拉格朗日乘子法得到的为可行解,其实就是局部极小值,接下来从无约束优化开始一一讲解。
无约束优化
等式约束优化
不等式约束优化
参考文献:
1. 书:PRML | 《机器学习方法》-李航 |《机器学习》-周志华
2. 深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件_xianlingmao的博客-CSDN博客_拉格朗日
3. 对偶和KKT条件_TimingSpace的博客-CSDN博客_对偶和kkt
4. 最优化理论与KKT条件_loadstar_kun的博客-CSDN博客_kkt理论
5. KKT条件介绍_johnnyconstantine的博客-CSDN博客_kkt条件
6. http://www.csc.kth.se/utbildning/kth/kurser/DD3364/Lectures/KKT.pdf nice PPT
http://www.csc.kth.se/utbildning/kth/kurser/DD3364/Lectures/Duality.pdf