【数学基础】运筹学：拉格朗日乘子法和KKT条件（上）
机器学习初学者
共 669字，需浏览 2分钟
·
2021-08-20 08:25
引言
在求解最优化问题中，拉格朗日乘子法（Lagrange Multiplier）和KKT（Karush Kuhn Tucker）条件是两种最常用的方法。通常，对于等式约束问题，采用拉格朗日乘子法。对于不等式约束问题，如果能够将其转化为等式约束，问题就会被进一步简化。因此，求解不等式约束问题可使用KKT条件。本文先介绍拉格朗日乘子法的原理和过程，并举例子详细说明。
1 等式约束条件
2 定义拉格朗日函数和乘子
3 拉格朗日函数驻点
4 拉格朗日驻点与最优解
5 拉格朗日乘子法的过程
6 拉格朗日乘子的解释
7 拉格朗日法的局限性
以上便是本期的全部内容啦！下期继续为大家讲解用KKT条件求解不等式约束的非线性规划问题。想花碎片时间学习更多靠谱实用的运筹学知识，请关注我们！
参考资料：
[1] 陈宝林《最优化理论与方法》.
[2] Ronald L.Rardin 《Optimization in Operations Research》.
编辑：庄桢
往期精彩回顾 本站qq群851320808，加入微信群请扫码：
评论