- 凸最佳化教程
- 首頁
- 簡介
- 線性規劃
- 範數
- 內積
- 極小值和極大值
- 凸集
- 仿射集
- 凸包
- Caratheodory 定理
- Weierstrass 定理
- 最近點定理
- 基本分離定理
- 凸錐
- 極錐
- 錐組合
- 多面體集
- 凸集的極點
- 方向
- 凸函式與凹函式
- Jensen 不等式
- 可微凸函式
- 全域性最優的充分必要條件
- 擬凸函式與擬凹函式
- 可微擬凸函式
- 嚴格擬凸函式
- 強擬凸函式
- 偽凸函式
- 凸規劃問題
- Fritz-John 條件
- Karush-Kuhn-Tucker 最優性必要條件
- 凸問題的演算法
- 凸最佳化資源
- 凸最佳化 - 快速指南
- 凸最佳化 - 資源
- 凸最佳化 - 討論
Karush-Kuhn-Tucker 最優性必要條件
考慮問題 -
$min \:f\left ( x \right )$ 使得 $x \in X$,其中 X 是 $\mathbb{R}^n$ 中的開集,且 $g_i \left ( x \right )\leq 0, i=1, 2,...,m$
令 $S=\left \{ x \in X:g_i\left ( x \right )\leq 0, \forall i \right \}$
令 $\hat{x} \in S$,且 $f$ 和 $g_i,i \in I$ 在 $\hat{x}$ 處可微,$g_i, i \in J$ 在 $\hat{x}$ 處連續。此外,$\bigtriangledown g_i\left ( \hat{x} \right), i \in I$ 線性無關。如果 $\hat{x}$ 在區域性上解決了上述問題,則存在 $u_i,i \in I$ 使得
$\bigtriangledown f\left ( x\right)+\displaystyle\sum\limits_{i\in I} u_i \bigtriangledown g_i\left ( \hat{x} \right)=0$, $\:\:u_i \geq 0, i \in I$
如果 $g_i,i \in J$ 在 $\hat{x}$ 處也可微,則
$\bigtriangledown f\left ( \hat{x}\right)+\displaystyle\sum\limits_{i= 1}^m u_i \bigtriangledown g_i\left ( \hat{x} \right)=0$
$u_ig_i\left ( \hat{x} \right)=0, \forall i=1,2,...,m$
$u_i \geq 0 \forall i=1,2,...,m$
示例
考慮以下問題 -
$min \:f\left ( x_1,x_2 \right )=\left ( x_1-3\right )^2+\left ( x_2-2\right )^2$
使得 $x_{1}^{2}+x_{2}^{2}\leq 5$,
$x_1,2x_2 \geq 0$ 且 $\hat{x}=\left ( 2,1 \right )$
令 $g_1\left ( x_1, x_2 \right)=x_{1}^{2}+x_{2}^{2}-5$,
$g_2\left ( x_1, x_2 \right)=x_{1}+2x_2-4$
$g_3\left ( x_1, x_2 \right)=-x_{1}$ 且 $g_4\left ( x_1,x_2 \right )=-x_2$
因此,上述約束可以寫成 -
$g_1 \left ( x_1,x_2 \right)\leq 0, g_2 \left ( x_1,x_2 \right) \leq 0$
$g_3 \left ( x_1,x_2 \right)\leq 0,$ 且 $g_4 \left ( x_1,x_2 \right) \leq 0$ 因此,$I=\left \{ 1,2 \right \}$,所以 $ u_3=0,\:\: u_4=0$
$\bigtriangledown f \left ( \hat{x} \right)=\left ( 2,-2 \right), \bigtriangledown g_1 \left ( \hat{x} \right)= \left ( 4,2 \right)$ 且
$\bigtriangledown g_2\left ( \hat{x} \right ) =\left ( 1,2 \right )$
因此,將這些值代入 Karush-Kuhn-Tucker 條件的第一個條件,我們得到 -
$u_1=\frac{1}{3}$ 且 $u_2=\frac{2}{3}$
因此,Karush-Kuhn-Tucker 條件得到滿足。