等式约束和不等式约束下的KKT条件求法
一、写在前面
本篇内容主要写非线性规划等式约束和不等式约束下的KKT条件,主要通过举例说明。
二、等式约束下的KKT条件
1、 题目描述
考虑等式约束的最小二乘问题
minimizexTxsubjecttoAx=bminimize \quad x^Tx \\ subject \ to \quad Ax=bminimizexTxsubject toAx=b
其中, A∈Rm∗n,rank(A)=mA \in \mathbb{R}^{m*n},rank(A)=mA∈Rm∗n,rank(A)=m 。给出KKT条件,推导原问题最优解x^* 以及对偶问题最优解v^* 的表达式。
2、Lagrarian函数
L(x,v)=xTx+vT(Ax−b)L(x,v)=x^Tx+v^T(Ax-b)L(x,v)=xTx+vT(Ax−b)
=xTx+vTAx−vTb= x^Tx+v^TAx-v^Tb=xTx+vTAx−vTb
3、KKT条件
其对应的KKT条件如下:
导数为乘子不为等式约束条件{∂L(x∗,v∗)∂(x∗)=0//导数为0(v∗)T≠0//Lagrange乘子不为0Ax∗=b//等式约束条件\begin{cases} \frac{\partial L(x^*,v^*)}{\partial (x^*)} = 0 \quad \quad //导数为0\\ (v^*)^T \neq 0 \quad \quad //Lagrange乘子不为0 \\ Ax^* = b \quad \quad //等式约束条件 \end{cases}⎩⎪⎨⎪⎧∂(x∗)∂L(x∗,v∗)=0//导数为0(v∗)T̸=0//Lagrange乘子不为0Ax∗=b//等式约束条件
二、不等式约束下的KKT条件
1、 题目描述
考虑不等式约束下的线性规划问题
maximizef(x)=(x−3)2subjectto1≤x≤5maximize \quad f(x)=(x-3)^2 \\ subject \ to \quad 1≤x≤5maximizef(x)=(x−3)2subject to1≤x≤5
2、Lagrarian函数
原条件等价于:
{minf(x)=−(x−3)2g1(x)=1−x≤0g2(x)=x−5≤0\begin{cases} min \ f(x)=-(x-3)^2\\ g_1(x)=1-x ≤0 \\ g_2(x)=x-5 ≤0 \end{cases}⎩⎪⎨⎪⎧min f(x)=−(x−3)2g1(x)=1−x≤0g2(x)=x−5≤0
其对应的Lagrarian函数为:
KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ L(x,λ_1,λ_2) …
3、KKT条件
其对应的KKT条件如下:
导数为不等式约束条件不等式约束条件不等式约束条件不等式约束条件乘子大于乘子大于{∂L(x∗,v∗)∂(x∗)=−2(x∗−3)−λ1∗+λ2∗=0//导数为0λ1∗g1(x∗)=λ1∗(1−x∗)=0//不等式约束条件λ2∗g2(x∗)=λ2∗(x∗−5)=0//不等式约束条件g1(x∗)≤0//不等式约束条件g2(x∗)≤0//不等式约束条件λ1∗≥0//Lagrange乘子大于0λ2∗≥0//Lagrange乘子大于0\begin{cases} \frac{\partial L(x^*,v^*)}{\partial (x^*)} = -2(x^*-3)-λ_1^*+λ_2^* = 0 \quad \quad //导数为0\\ λ_1^*g_1(x^*) =λ_1^*(1-x^*)=0 \quad \quad //不等式约束条件\\ λ_2^*g_2(x^*) =λ_2^*(x^*-5)=0 \quad \quad //不等式约束条件\\ g_1(x^*) ≤ 0 \quad \quad //不等式约束条件\\ g_2(x^*) ≤ 0 \quad \quad //不等式约束条件\\ λ_1^*≥0 \quad \quad //Lagrange乘子大于0\\ λ_2^*≥0\quad \quad //Lagrange乘子大于0\\ \end{cases}⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧∂(x∗)∂L(x∗,v∗)=−2(x∗−3)−λ1∗+λ2∗=0//导数为0λ1∗g1(x∗)=λ1∗(1−x∗)=0//不等式约束条件λ2∗g2(x∗)=λ2∗(x∗−5)=0//不等式约束条件g1(x∗)≤0//不等式约束条件g2(x∗)≤0//不等式约束条件λ1∗≥0//Lagrange乘子大于0λ2∗≥0//Lagrange乘子大于0
二、等式约束和不等式约束结合的KKT条件
1、 题目描述
考虑不等式约束下的线性规划问题
minimizef(x)g(x)=0h(x)≤0minimize f(x) \\ g(x)=0 \\ h(x)≤0minimizef(x)g(x)=0h(x)≤0
2、Lagrarian函数
其对应的Lagrarian函数为:
KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ L(x,λ,μ) & =…
3、KKT条件
其对应的KKT条件如下:
导数为等式乘子不为等式约束条件不等式约束条件不等式约束条件不等式乘子大于
本文来自 nana-li 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/quiet_girl/article/details/79066019?utm_source=copy
等式约束和不等式约束下的KKT条件求法相关推荐
- 等式约束与不等式约束问题
针对特殊约束条件下的优化问题,有着不同类别适应不同条件的求解算法.包括梯度法.求解线性等式约束问题的投影梯度法.适用于含有等式约束规划和含有不等式规划的拉格朗日乘子法.针对不等式约束的KKT条件法.罚 ...
- UA SIE545 优化理论基础3 Fritz-John与Kuhn-Tucker理论总结 带等式约束与不等式约束的极值问题
UA SIE545 优化理论基础3 Fritz-John与Kuhn-Tucker理论总结 带等式约束与不等式约束的极值问题 对于函数f:X→Yf:X \to Yf:X→Y,我们希望XXX是一个凸的度量 ...
- 直观理解拉格朗日乘子法和Karush-Kuhn-Tucker(KKT)条件
在最优化问题中,经常是会有约束条件的,而约束条件可分为等式约束条件和不等式约束条件,对于前者,我们有拉格朗日乘子法,对于后者,有KKT条件,对于既有等式约束又有不等式约束的最优化问题,只需要结合拉格朗 ...
- 机器学习中的数学——拉格朗日乘子法(二):不等式约束与KKT条件
分类目录:<算法设计与分析>总目录 相关文章: ·拉格朗日乘子法(一):等式约束的拉格朗日乘子法 ·拉格朗日乘子法(二):不等式约束与KKT条件 现在接着<拉格朗日乘子法(一):等式 ...
- 如何用计算机解kkt条件,【直观详解】拉格朗日乘法和KKT条件
[阅读时间]8min - 10mun [内容简介]直观的解读了什么是拉格朗日乘子法,以及如何求解拉格朗日方程,并且给出几个直观的例子,针对不等式约束解读了KKT条件的必要条件和充分条件 What &a ...
- 【机器学习-西瓜书】六、支持向量机(SVM):最大间隔;对偶问题;KKT条件
推荐阅读:对偶问题,KKT条件 关键词:最大间隔:支持向量:对偶问题:KKT条件:SMO算法 6.1 间隔与支持向量 关键词:最大间隔:支持向量. 支持向量机(Support Vector Machi ...
- 最优控制理论 六、拉格朗日乘子法和KKT条件
拉格朗日乘子法和KKT条件 1. 等式约束最优化 2. 不等式约束最优化 2.1 1个不等式约束 2.2 KKT条件 2.3 二维不等式约束图解 3. MATLAB不等式约束优化 总结 4. 参考文献 ...
- 判断kkt条件的例题_kkt条件例题(kkt条件例题求解)
kkt条件例题(kkt条件例题求解) 2020-05-08 10:54:39 共10个回答 要看目标函数的斜率,不能单凭横坐标或纵坐标确定追问能举例说明吗回答一般线性规划的图像解法是通过平移一条直线, ...
- 拉格朗日乘数法及KKT条件-通俗理解
拉格朗日乘子法及KKT条件数学理解 1.拉格朗日乘数法的基本思想 在数学最优问题中,拉格朗日乘数法(以数学家约瑟夫·路易斯·拉格朗日命名)是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法.这 ...
最新文章
- R语言使用hexbin包的hexbin函数可视化散点图、应对数据量太大、且有数据重叠的情况、普通散点图可视化效果变差的情况、提供了对六边形单元格的二元绑定、通过图例颜色标定每一个区域数据点的数量
- python3基础教程廖雪峰云-学习廖雪峰Python3教程的pytho
- 49自动化测试中最常见的硒异常
- Android studio实现底部导航,AndroidStudio制作底部导航栏以及用Fragment实现切换功能...
- linux mount命令衔接,Linux mount命令详解:挂载Linux系统外的文件
- 【Python3网络爬虫开发实战】 3.1.3-解析链接
- Cesium应用篇:3控件(1)Clock
- 人工智能面试题86问,新手找工作必备!
- 魔方机器人之下位机编程---------舵机控制
- 大众点评字体_【网络爬虫实战】解决大众点评搜索页面字体加密
- Python 从入门到入魔
- crmeb多商户2.0正式版 新增DIY、PC端客服、同城配送平台等完整包下载更新包下载
- 我的世界服务器武器修改伤害,我的世界改伤害指令 | 手游网游页游攻略大全
- Citrix 服务器虚拟化之三十二 XenConvert
- 黑客也看《人民的名义》:把手机卡扔马桶有 bug
- WS-Notification的使用---来自阿红
- Unity入门介绍及编辑器界面
- ·工业 4.0 和第四次工业革命详细介绍
- 基于STM32+Openmv的追小球(颜色追踪)小车——一篇解决所有基本问题
- 菜鸟摸索学习Linux——安装虚拟机之后的操作