动机
非数学专业,只是用得到,所以学一下。
问题描述
首先来看一下非线性最优化问题,一般有这么几类。
第一类: 无约束最优化问题
找到一个合适的x,是的f(x)最小:
没有任何约束的最优化问题,这个一般解法有 梯度下降法、牛顿法、拟牛顿法等。
第二类: 有等式约束的非线性
第三类: 有等式和不等式约束的非线性问题
上面的式子是说, 在满足m个等式 即
拉格朗日乘子法
对于第二类问题,可以转化为一下问题
令
拉格朗日乘子法原理分析
上面公式中的x是一个向量,多维的数据难以绘图和理解,这里以二维为例。有这样的最优化问题:
如果将 z=f(x,y)绘制成一个三维图像,可以想象必定有波峰有波谷,如果想用二维图像绘制这个函数,只能以等高线的形式(想象一下等高线地形图),下图给出了等高线图。因为极值点必须是一个可行解,即必须满足
在相切时,其梯度方向平行,即
给出一个新的函数
在求其极值的时候,令
#
第三类与KKT条件
在满足KKT条件时,可以将带有不等式的非线性最优化问题转化为无约束的最优化问题。
首先将原目标公式和等式不等式合为一个公式
并需满足以下条件
(1)
(2)
(3)
(4)
进一步思考, 这两项相乘为0,那么至少有一项为0, 如果是
(5)原本的约束条件
证明
证明见 参考文献[1]
参考文献
[1] http://www.cnblogs.com/zhangchaoyang/articles/2726873.html
[2] http://blog.csdn.net/xianlingmao/article/details/7919597
[3] https://zh.wikipedia.org/wiki/%E6%8B%89%E6%A0%BC%E6%9C%97%E6%97%A5%E4%B9%98%E6%95%B0