拉格朗日函数、对偶上升法、对偶分解法 ADMM的理解

参考三篇博客

【优化】对偶上升法(Dual Ascent)超简说明  https://blog.csdn.net/shenxiaolu1984/article/details/78175382?locationnum=6&fps=1%20%E5%8F%82%E8%80%83%E9%93%BE%E6%8E%A5

凸优化：ADMM(Alternating Direction Method of Multipliers)交替方向乘子算法https://blog.csdn.net/shanglianlm/article/details/45919679

拉格朗日函数、对偶上升法、对偶分解法

在《【优化】对偶上升法(Dual Ascent)超简说明博客》的基础上，对于ADMM的理解，

可以把这幅图的x从二维扩展到三维，然后就可以知道式子16，17的目的是使得曲线回到最小值得平面上，也就是二维图的最下面的曲线上，然后对进行上升的方法进行求解。