在有约束的最优化问题中,常常利用拉格朗日对偶法(Lagrange duality)将原始问题转化为对偶问题,通过求解对偶问题得到原始问题的解。
原始问题
假设$f(x),\ c_i(x),\ h_j(x)$是定义在$\mathbb{R}^n$上的连续可微函数,考虑带约束的最优化问题:
拉格朗日函数的极小极大问题
拉格朗日函数:$\alpha_i,\ \beta_j$为拉格朗日乘子,其中 $\alpha_i\geqslant 0$
令:
有:
带约束的原始问题可以转化为无约束的拉格朗日函数极小极大问题:
拉格朗日的极大极小问题(对偶问题)
令:
拉格朗日的极大极小问题:
KKT 条件
定理1(弱对偶性):如果原始问题和对偶问题都有最优解,则对偶问题的最优值是原始问题最优值的一个下界:
证明:强者中最弱的也比弱者中最强的要强
故:
定理2(强对偶性):假设$f(x)$和$c_i(x)$是凸函数,$h_j(x)$是仿射函数,并且不等式约束$c_j(x)$是严格可行的,即存在x对所有i都有$c_i(x)<0$,则$x^$和$\alpha^, \beta^$分别是原始问题和对偶问题的解的充要条件是$x^,\alpha^, \beta^$满足KKT条件:
$\alpha_i c_i(x^)=0$称为KKT的对偶互补条件,$\alpha_i ,\ c_i(x^*)$必有一个为0.