博客围绕优化问题展开，给出了优化问题的表达式，定义了其增广拉格朗日函数，其中包含拉格朗日乘数和步长参数，步长参数影响算法收敛速度但不影响收敛解，还提及了约束问题的解法。
对于优化问题
arg
min
z
E
(
z
)
(
1
a
)
s
.
t
.
C
z
−
b
=
0
(
1
b
)
\mathop{\arg\min}_{z} \ E(z)\qquad(1a)\\ s.t. \quad Cz-b=0 \qquad(1b)
argminz E(z)(1a)s.t.Cz−b=0(1b)
其增广拉格朗日函数被定义为：
L
(
z
,
α
,
μ
)
=
E
(
z
)
+
α
T
(
C
z
−
b
)
+
μ
∣
∣
C
z
−
b
∣
∣
2
2
L(z,\alpha,\mu)=E(z)+\alpha^T(Cz-b)+\mu||Cz-b||_{2}^2
L(z,α,μ)=E(z)+αT(Cz−b)+μ∣∣Cz−b∣∣22
其中， α \alpha α为拉格朗日乘数。 μ \mu μ为步长参数，它的取值会影响算法的收敛速度。但它并不影响它收敛的解。
约束问题的解法如下：
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
