拉格朗日对偶

Lagrange优化问题:

  标准形式的优化问题(原问题):
  
  
其中,自变量。设问题的定义域是非空集合,优化问题的最优值为。则问题的Lagrange函数:
  
其中定义域为

Lagrange对偶函数:

  定义Lagrange对偶函数:
  
      
对偶函数为Lagrange函数关于取得的最小值:即对,,可以理解成把当作常量,关于取得的最小值。

最优值的下界:

  对偶函数构成了原问题最优值的下界:即对任意和都使下式成立
  
证明:
  设为满足原问题的任意可行点,即且。根据假设,,则,即
  
  
  
由于每一个可行点都满足。因此不等式成立。但是当时没有意义,只有当且即时,对偶函数才能给出的一个非平凡下界。

Lagrange对偶问题:

  对任意一组,其中,对偶函数给出了优化问题的最优值的一个下界,因此我们可以得到和参数相关的一个下界,为得到最好的下界,表述为优化问题:
  
  

弱对偶性:

  Lagrange对偶问题的最优值,我们用表示,这是通过Lagrange函数得到的原问题的最优值的最好下界。特别的,
  
这个不等式成立,这个性质称为弱对偶性。

强对偶性

  如果等式:
  
成立,即最优对偶间隙为零,那么强对偶性成立。这说明从Lagrange对偶函数得到的最好下界是紧的。
  对于一般的优化问题,强对偶性通常不成立,但是若主问题为凸优化问题,即为凸函数,为仿射函数,且其可行域中至少有一点使不等式约束严格成立,则此时强对偶性成立。

你可能感兴趣的:(拉格朗日对偶)