不等式约束优化问题
minf0(x)
s.t., hi(x)=0,i=1,2,⋯,p
fi(x)≤0,i=1,2,⋯,m,
对于这种情形我们常使用KKT条件求解,Lagrange 函数L:Rn×Rm×Rp→R为
L(x,λ,v)=f0(x)+∑i=1mλifi(x)+∑i=1pvihi(x),
我们假设该问题的定义域(非可行域)为D=⋂i=0mdomfi∩⋂i=1pdomhi,且原问题的最优值为p∗
另外我们定义Lagrange 对偶函数g:Rm×Rp→R为Lagrange函数关于定义域内x取得的最小值,即,g(λ,v)=infx∈DL(x,λ,v)=infx∈D(f0(x)+∑i=1mλifi(x)+∑i=1pvihi(x)))
我们可以得出对偶函数构成了原问题最优值p∗的下界,即,∀λ⪰0,v, g(λ,v)≤p∗.
令x∗和(λ∗,v∗)分别为原问题和对偶问题的某对最优解,且满足强对偶性(对偶间隙为零),那么我们就可以得到,f0(x∗)=g(λ∗,v∗)。另外,
KKT为,⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪fi(x∗)≤0,hi(x∗)=0,λ∗i≥0,λ∗ifi(x∗)=0,∇f0(x∗)+∑mi=1λ∗i∇fi(x∗)+∑pi=1v∗i∇hi(x∗)=0,i=1,2,⋯,mi=1,2,⋯,pi=1,2,⋯,mi=1,2,⋯,m∗
注,对于上面的所有情况的优化问题,目标函数及其约束函数若为凸函数,可行域组成凸集,才能得到全局最优解,否则只能得到局部最优解,因为这些条件只是必要条件,而非充要条件。。。