对偶问题(Duality)

  1. 考虑如下的问题 :
    minimizef0(x) m i n i m i z e f 0 ( x )

    subjecttofi(x)<=0,i=1,...,m s u b j e c t t o f i ( x ) <= 0 , i = 1 , . . . , m

    hi(x)=0,i=1,...,p(1) (1) h i ( x ) = 0 , i = 1 , . . . , p

    其中不限制 f0(x) f 0 ( x ) 是凸函数。我们假设可行域 D=(mi=0domfi)(pi=1domhi) D = ( ⋂ i = 0 m d o m f i ) ⋂ ( ⋂ i = 1 p d o m h i ) 是非 空的
    解决上述问题的基本的想法就是定义拉格朗日函数 L:RnRmRpR L : R n ∗ R m ∗ R p → R
    L(x,λ,ν)=f0(x)+i=1mλifi(x)+i=1pνihi(x) L ( x , λ , ν ) = f 0 ( x ) + ∑ i = 1 m λ i f i ( x ) + ∑ i = 1 p ν i h i ( x )

    可行域为 DRmRp D ∗ R m ∗ R p ,其中 λi,νi λ i , ν i 表示拉格朗日乘子 ,或者是对偶变量
    同时我们定义拉格朗日对偶函数 g:RmRpR g : R m ∗ R p → R
    g(λ,ν)=infxDL(x,λ,ν)=infxD(f0(x)+mi=1λifi(x)+pi=1vihi(x)) g ( λ , ν ) = i n f x ∈ D L ( x , λ , ν ) = i n f x ∈ D ( f 0 ( x ) + ∑ i = 1 m λ i f i ( x ) + ∑ i = 1 p v i h i ( x ) )
    假设问题(1)的最优值为 p p ∗ ,那么对于 λ>=0 λ >= 0 和任意的 ν ν ,有下式成立
    g(λ,ν)<=p g ( λ , ν ) <= p ∗
    易证。
    那我们的目的便是求解 maxλ,νg(λ,ν) m a x λ , ν g ( λ , ν ) ,从而尽可能接近 p p ∗

你可能感兴趣的:(机器学习)