凸优化第五章对偶 5.9广义不等式

「已注销」

于 2019-02-12 09:38:16 发布

阅读量942

点赞数

CC 4.0 BY-SA版权

分类专栏：凸优化

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/wangchy29/article/details/87066156

本文介绍了凸优化中的5.9节——广义不等式，重点讨论了Lagrange对偶在半定规划问题中的应用。内容包括Lagrange函数、对偶函数的定义，以及弱对偶性和强对偶性的条件。特别地，当原问题是凸的并满足Slater条件时，强对偶性成立。此外，还讲解了半定规划问题的Lagrange乘子和最优性条件，如互补松弛性和KKT条件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

5.9广义不等式

Lagrange对偶
最优性条件

Lagrange对偶

$minimize \, \,f_0(x)\\ subject \, \, to \, \,\begin{matrix} f_i(x)\preceq _{K_i}0&i=1,2\cdots m \\ h_i(x)=0 &i=1,2 \cdots p \end{matrix}$

其中 $K_i \in R^{K_i}$ 是正常锥。

对于问题中的每个广义不等式 $f_i(x)\preceq _{K_i}0$ ，引入Lagrange乘子向量， $\lambda _i \in R^{K_i}$ ，并定义相关的Lagrange函数：

$L(x,\lambda,v)=f_0(x)+\sum_{i=1}^m\lambda^T_if_i(x)+\sum _{i=1}^p v_ih_i(x)$

对偶函数：

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。