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/83351995
原问题
xmincTxs.t.Ax=bx≥0
对偶问题
ymaxbTys.t.ATy+s=cs≥0
A∈Rm×n,x∈Rn,s∈Rn,y∈Rm
对偶间隙
0≤xTs=xT(c−ATy)=xTc−(Ax)Ty=cTx−bTy意味着原问题的最优值
≥ 对偶问题的最优值,这就是弱对偶定理。
强对偶
强对偶意味着对偶间隙等于0,即
sTz=0,又因为
s>0,x>0,所以
xisi=0,i=1,2,...,n这说明若
xi>0⇒si=0且xi>0⇒si=0,因而称之为 互补性松弛。
KKT条件
Ax=b(1)
ATy+s=c(2)
xisi=0(i=1,2,...,n)(3)
(1)(2)分别是原问题和对偶问题的可行性条件,(3)即互补松弛条件。上面一共 2n+m 个方程,正好对应 x,y,s 这 2n+m 个变量。
对偶问题的推导
参见博文《线性规划——对偶问题的推导
》