对偶问题和KKT条件

标准形式
M i n f 0 ( x ) Min\qquad f_0(x)
s . t . f i ( x ) 0 i = 1 , . . . , m s.t.\qquad f_i(x) \le 0 \quad i=1,...,m
h i ( x ) = 0 i = 1 , . . . , p \qquad h_i(x)=0 \quad i=1,...,p
其中 x R n x \in R^n ,定义域 D D ,最优值 p p^*





拉格朗日: L : R n × R m × R p R L:R^n \times R^m \times R^p \rightarrow R
d o m ( L ) = D × R m × R p dom(L)=D \times R^m \times R^p
L ( x , λ , ν ) = f 0 ( x ) + i = 1 m λ i f i ( x ) + i = 1 p ν i h i ( x ) L(x,\lambda,\nu)= f_0(x)+\sum_{i=1}^{m}\lambda_if_i(x)+\sum_{i=1}^{p}\nu_ih_i(x)
在这里插入图片描述






拉格朗日对偶函数:
g ( λ , ν ) = inf x D L ( x , λ , ν ) g(\lambda,\nu)=\inf \limits_{x \in D}L(x,\lambda,\nu)
inf x D ( f 0 ( x ) + i = 1 m λ i f i ( x ) + i = 1 p ν i h i ( x ) ) \inf \limits_{x \in D}(f_0(x)+\sum_{i=1}^{m}\lambda_if_i(x)+\sum_{i=1}^{p}\nu_ih_i(x))

  • g g 凹 ,可能 负无穷 for some λ , ν \lambda,\nu
  • lower bound property:if λ 0 , \lambda \ge 0, g ( λ , ν ) p g(\lambda,\nu) \le p^*

第二个为什么成立呢?
假设 D D子集 就是满足s.t.条件的 x x 集合,那么
p = inf D f 0 ( x ) = p^*=\inf\limits_{D子集}f_0(x)=
inf D f 0 ( x ) + i = 1 p ν i h i ( x ) ) \inf\limits_{D子集}f_0(x)+\sum_{i=1}^{p}\nu_ih_i(x)) \ge
inf x D ( f 0 ( x ) + i = 1 m λ i f i ( x ) + i = 1 p ν i h i ( x ) ) \inf \limits_{x \in D子集}(f_0(x)+\sum_{i=1}^{m}\lambda_if_i(x)+\sum_{i=1}^{p}\nu_ih_i(x)) \ge
inf x D ( f 0 ( x ) + i = 1 m λ i f i ( x ) + i = 1 p ν i h i ( x ) ) \inf \limits_{x \in D}(f_0(x)+\sum_{i=1}^{m}\lambda_if_i(x)+\sum_{i=1}^{p}\nu_ih_i(x))
= g ( λ , ν ) =g(\lambda,\nu)




\

拉格朗日对偶问题

m a x g ( λ , ν ) max \qquad g(\lambda,\nu)
s . t . λ 0 s.t. \qquad \lambda \ge 0

  • find best lower bound on p p^* ,ontained from 拉格朗日对偶函数
  • a concave optimization problem with optimal value denoted as d d^*
    在这里插入图片描述

弱强对偶

  • 弱: d p d^* \le p^*
    -总是成立
    可以用来去找困难问题的非平凡下界
  • d = p d^*=p^*
    -一般并不成立
    通常对于凸问题成立

在这里插入图片描述




\

互补松弛

猜你喜欢

转载自blog.csdn.net/zhoutianzi12/article/details/91125838