最优化 - 拉格朗日乘子法与KKT条件

1. 一般约束优化问题

一般约束优化问题的形式为:

 最优化 - 拉格朗日乘子法与KKT条件
定义拉格朗日函数为:
 最优化 - 拉格朗日乘子法与KKT条件
则一般约束优化问题的最优性条件(KKT条件):
 最优化 - 拉格朗日乘子法与KKT条件

2. 对偶问题
一个优化问题可以从两个角度来考虑,一是被优化的原问题,其次是基于拉格朗日函数定义的对偶问题,也即极大极小问题:
 
最优化 - 拉格朗日乘子法与KKT条件

为什么上式是对偶问题:
1. 一般约束优化问题,完全等价于下式:

 最优化 - 拉格朗日乘子法与KKT条件
2. 极小极大小于等于极大极小:
 最优化 - 拉格朗日乘子法与KKT条件
3. 等号成立的条件(大概是这样)
1)原函数为凸函数, 为凸函数。
2)KKT条件成立