KKT条件在约束条件下求解非线性规划问题很有用,是确定某点为最优点的一阶必要条件。而对于凸规划问题而言,KKT条件是局部极小点的一阶必要条件,同时也是充分条件,而且局部极小点就是全局极小点。考虑以下数学模型:
min f(x)s. t. hi(x)=0 (i=1,2,...,m)gj(x)≥0 (j=1,2,...,l)(1)
定理:
x∗ 为可行域中的一点, I(x∗)={ i|gi(x∗)=0,1≤i≤l} , f(x) 与 gi(x)(i∈I(x∗)) 在点 x∗ 处可微, gi(x) 在点 x∗ 处连续, hj(x)(j=1,2,...,m) 在点 x∗ 处连续可微,且向量集
{
∇gi(x∗),∇hj(x∗)|i∈I(x∗),j=1,2,...,m}
线性无关。若 x∗ 是上述数学模型的局部最优解,则存在 γ∗=(γ∗1,γ∗2,...,γ∗l)T 和向量 λ∗=(λ∗1,λ∗2,...,λ∗m)T ,是下述条件成立:
⎧⎩⎨⎪⎪⎪⎪∇f(x∗)−∑lj=1γ∗j∇gj(x∗)−∑mi