版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/itnerd/article/details/83377148
原对偶问题
ymaxbTys.t.ATy+s=cs≥0(2)
A∈Rm×n,s∈Rn,y∈Rm
等价问题:
ymin−bTys.t.ATy+s=cs≥0(2)
对偶问题的推导参见博文《线性规划——对偶问题的推导》。
引入拉格朗日函数:
L(x,y,s)=−bTy+xT(ATy+s−c)
g(x)≜y,sinfL(x,y,s)=y,sinf{−cTx+(Ax−b)Ty+xTs}=−cTx+yinf(ATx−b)Ty+sinfxTs
分开来看,
yinf(Ax−b)Ty={0,Ax−b=0−∞,otherwise
sinfxTs={0,z≥0−∞,otherwise
显然,最大化
g(x) 只有在其有下界时有意义。因此得到约束条件:
Ax−b=0,z≥0。
原对偶问题的对偶问题为:
maximize−cTxs.t.Ax−b=0z≥0等价于
minimizecTxs.t.Ax−b=0z≥0即为线性规划的标准形式。
得出结论: 线性规划的对偶问题的对偶问题是原问题。