如何理解对偶问题以及符号替换

Shuanglin Li
2021-12-08 / 0 评论 / 1,258 阅读 / 未收录,提交收录
温馨提示:
本文最后更新于2024年05月10日,已超过364天没有更新,若内容或图片失效,请留言反馈。

由于最近在写的论文过程中,需要用对偶问题来求解带约束的优化问题。于是,再次将对偶问题以及符号替换问题进行了更为深入的研究。发现对于有约束的优化问题,大都可以采用拉格朗日乘数法将有约束问题转化为无约束问题,然后再对拉格朗日函数求偏导得到极值点,即可实现约束问题的求解以及相应的符号替换。

1 对偶问题的一般理论

注意:构造拉格朗日函数是求解带约束优化问题的重要方法!!!

为便于描述,我们用如下公式表达带约束的优化问题。

(1)minuf(u)S.t.  gi(u)0,  i=1,2,,m hj(u)=0,  j=1,2,,n

其对应的拉格朗日函数为

(2)L(u,α,β):=f(u)+i=1mαigi(u)+j=1nβjhj(u), 其中, αi0

引理1: 公式(1)描述的优化问题等价于

(3)minumaxα,βL(u,α,β)S.t.:  αi0, i=1,2,,m

证明:

(4)minumaxα,βL(u,α,β)=minu(f(u)+maxα,β(i=1mαigi(u)+j=1nβjhj(u)))=minu(f(u)+{0, u满足αβ,否则)=minuf(u),u满足约束

其中,当gi不满足约束时,也就是gi(u)>0,则可以取αi=,使得αigi(u)=;当hj不满足约束时,也就是hj(u)0,则可以取βj=sign(hj(u)),使得βjhj(u)=;当u满足条件时,由于αi0gi(u)0,因此,αigi(u)0,因此αigi(u)=0为最大值,即其最大值为0。

本文共 286个字数,平均阅读时长 ≈ 1分钟,您已阅读:0时0分1秒。
0

打赏

海报

正在生成.....

评论 (0)

OωO
  • ::(呵呵)
  • ::(哈哈)
  • ::(吐舌)
  • ::(太开心)
  • ::(笑眼)
  • ::(花心)
  • ::(小乖)
  • ::(乖)
  • ::(捂嘴笑)
  • ::(滑稽)
  • ::(你懂的)
  • ::(不高兴)
  • ::(怒)
  • ::(汗)
  • ::(黑线)
  • ::(泪)
  • ::(真棒)
  • ::(喷)
  • ::(惊哭)
  • ::(阴险)
  • ::(鄙视)
  • ::(酷)
  • ::(啊)
  • ::(狂汗)
  • ::(what)
  • ::(疑问)
  • ::(酸爽)
  • ::(呀咩爹)
  • ::(委屈)
  • ::(惊讶)
  • ::(睡觉)
  • ::(笑尿)
  • ::(挖鼻)
  • ::(吐)
  • ::(犀利)
  • ::(小红脸)
  • ::(懒得理)
  • ::(勉强)
  • ::(爱心)
  • ::(心碎)
  • ::(玫瑰)
  • ::(礼物)
  • ::(彩虹)
  • ::(太阳)
  • ::(星星月亮)
  • ::(钱币)
  • ::(茶杯)
  • ::(蛋糕)
  • ::(大拇指)
  • ::(胜利)
  • ::(haha)
  • ::(OK)
  • ::(沙发)
  • ::(手纸)
  • ::(香蕉)
  • ::(便便)
  • ::(药丸)
  • ::(红领巾)
  • ::(蜡烛)
  • ::(音乐)
  • ::(灯泡)
  • ::(开心)
  • ::(钱)
  • ::(咦)
  • ::(呼)
  • ::(冷)
  • ::(生气)
  • ::(弱)
  • ::(狗头)
泡泡
阿鲁
颜文字
取消