《Integer Programming》第十章读书笔记

10 Lagrangian Duality

10.1 Lagrangian Relaxation

考虑如下整数规划问题（IP）：

其中，$Ax\le b$表示的是复杂的约束，而“好”的约束（例如网络流约束）被包含在了$x\in X$中。它的拉格朗日松弛问题是：

其中，$u$被称为价格或者对偶变量或者拉格朗日乘子。

因为每个拉格朗日松弛问题都是原整数规划问题的一个上界，所以为了找到最好的（也即最小的）上界，我们需要求解如下拉格朗日对偶问题：

何时拉格朗日松弛问题的最优解是原整数规划问题的最优解？

10.2 The Strength of the Lagrangian Dual

以下定理准确地告诉我们从对偶中获得的界有多强。

在某些情况下，它并不比线性松弛强：

也即求解拉格朗日松弛问题和求解线性松弛问题是等价的。

10.3 Solving the Lagrangian Dual

用次梯度算法求解上述问题：

关于如何选取步长：


一般来说次梯度算法需要的迭代次数很多，bundle methods提供了一种减少迭代次数的途径，它的想法是：
（1）使用近几次的次梯度，更好地利用信息；
（2）限制子问题的解$x(u)$的范围