在学校开的机器学习课上老师讲了拉格朗日乘子和KKT条件,当时百思不得其解啊,为什么约束区域如果不包括可行解(全局最优解),那么最优解一定在边界上?后来在网上查了凸优化的性质:Convex optimization is a subfield of optimization that studies the problem of minimizing convex functions over convex sets. The convexity makes optimization easier than the general case since local minimum must be a global minimum, and first-order conditions are sufficient conditions for optimality. (摘自维基百科Convex Optimization)
What?? 所以凸优化问题中,局部最优解就是全局最优解,好吧,那么问题就显而易见了。(本人理解的显而易见,如果理解错误还望大神指出)以下把老师的讲解过程贴出,权当复习,数学味道比较淡,比较好直观理解。
1. 等式极值问题
如下图,二维平面上,f(x,y)形成的一圈一圈的形状看成等高线(d1>d2),对应了不同的函数值,假设越往中间,函数值越小。