中科大-凸优化 笔记(lec36)-KKT条件

全部笔记的汇总贴(视频也有传送门):中科大-凸优化

原问题
min ⁡ f 0 ( x ) s . t .    f i ( x ) ≤ 0 , i = 1 , ⋯   , m h i ( x ) = 0 , i = 1 , ⋯   , P \min f_0(x)\\s.t.\;f_i(x)\le0,i=1,\cdots,m\\h_i(x)=0,i=1,\cdots,P minf0(x)s.t.fi(x)0,i=1,,mhi(x)=0,i=1,,P

对偶函数 g ( λ , v ) = inf ⁡ x { f 0 ( x ) + ∑ i = 1 m λ i f i ( x ) + ∑ i = 1 P v i h i ( x ) } g(\lambda,v)=\inf_x\{f_0(x)+\sum_{i=1}^m\lambda_if_i(x)+\sum_{i=1}^Pv_ih_i(x)\} g(λ,v)=xinf{ f0(x)+i=1mλifi(x)+i=1Pvihi(x)}

对偶问题 max ⁡    g ( λ , v ) s . t .    λ ≥ 0 \max\;g(\lambda,v)\\s.t.\;\lambda\ge0 maxg(λ,v)s.t.λ0

假设

  • P ∗ = d ∗ P^*=d^* P=d
  • 所有函数可微

x ∗ , λ ∗ , v ∗ f i ( x ∗ ) ≤ 0 , i = 1 , ⋯   , m h i ( x ∗ ) = 0 , i = 1 , ⋯   , P λ ∗ ≥ 0 x^*,\lambda^*,v^*\\f_i(x^*)\le0,i=1,\cdots,m\\h_i(x^*)=0,i=1,\cdots,P\\\lambda^*\ge0 x,λ,vfi(x)0,i=1,,mhi(x)=0,i=1,,Pλ0

在这里插入图片描述
在这里插入图片描述

KKT条件

  • primal feasibility
  • dual feasibility
  • complementary slackness
  • stationary

若原问题为凸问题,各个函数可微,对偶间隙为零,则KKT条件为充要条件
在这里插入图片描述
在这里插入图片描述

下一章传送门:中科大-凸优化 笔记(lec37)-一些问题的KKT条件

猜你喜欢

转载自blog.csdn.net/qq_41485273/article/details/114020221