非线性规划的对偶问题

数学优化 专栏收录该内容
100 篇文章 35 订阅

线性规划的对偶问题很容易写出,但非线性规划的对偶问题有点不一样。

考虑非线性规划问题:

min ⁡ x f ( x ) s.t. g i ( x ) ≥ 0 , i = 1 , … , m , h j ( x ) = 0 , j = 1 , … , l , x ∈ D . \begin{aligned} \min_{\textbf x}\quad & f(\bf x)&\\ \text{s.t.}\quad & g_i(\textbf x)\geq 0, & i= 1, \dots, m,\\ & h_j(\textbf x)=0, & j=1,\dots, l,\\ &\textbf{x}\in D.& \end{aligned} xmins.t.f(x)gi(x)0,hj(x)=0,xD.i=1,,m,j=1,,l,

其对偶问题为:

max ⁡ w,v inf ⁡ { f ( x ) − ∑ w i g i ( x ) − ∑ v j h j ( x ) } s.t. w i ≥ 0 , i = 1 , … , m . \begin{aligned} \max_{\textbf {w,v}}\quad & \inf\left\{f(\textbf x)-\sum w_ig_i(\textbf x)-\sum v_jh_j(\textbf x)\right\}\\ \text{s.t.}\quad & w_i\geq 0, \quad i= 1, \dots, m. \end{aligned} w,vmaxs.t.inf{f(x)wigi(x)vjhj(x)}wi0,i=1,,m.

当原问题为凸规划时,其 KKT 条件的解就是该对偶问题的最优解,也是原问题的最优解,并且原问题与对偶问题的最优值相等。

非线性规划的对偶也广泛应用于机器学习的一些算法中(例如支持向量机)。

  • 2
    点赞
  • 6
    评论
  • 1
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
©️2020 CSDN 皮肤主题: 创作都市 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值