[译]在R中使用quadprog包求解二次规划

概述

本文将探究一个被称为二次规划的优化问题，这是一种特殊形式的非线性约束优化问题。二次规划在许多领域都有运用，比如投资组合优化、求解支持向量机(SVM)分类问题等。在R中求解二次规划有许多包，这次，我们将讨论一下quadprog包。在我们开始讲解案例之前，我们将先简短地介绍一下二次规划的机理。

什么是二次规划

对于一个二次规划问题,首先要考虑的就是一个二次目标函数:$$ Q(x) = \frac{1}{2} x^T D x - d^T x + c. $$

这里 \(x\) 在 \(\mathbb{R}^n\) 中是一个向量, \(D\) 是一个\(n \times n\) 的对称正定矩阵，在 \(\mathbb{R}^n\) 中 \(d\) 是常数项约束，\(c\) 是一个标量常数。\(Q(x)\)函数通常以二次函数的形式出现，并且它高维的通项表达式是：$$ q(x) = ax^2 +bx + c$$\(Q(x)\)的关键特性在于这是一个凸函数。

我们也对向量\(x\)构造一个线性约束集合，即\(x\) \(\in \mathbb{R}^n\)。
我们把这些约束写成:$$Ax = f \qquad Bx \geq g$$

这里，\(A\) 是一个 \(m_1 \times n\) 的矩阵且约束为 \(m_1 \leq n \)，\(B\)B 是一个 \(m_2 \times n\) 的矩阵.向量 \(f\) 和向量 \(g\)的长度分别是\(m_1\)和\(m_2\).

这是一种让我们可以充分考虑实际条件的标准型。比如我们让 \(x\) 强制满足$$ \sum_{i=1}^n x_i = 1$$的求和条件，或者满足\(a_i \leq x_i \leq b_i