大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全家桶1年46，售后保障稳定
求解优化问题：
对于等式约束条件，使用拉格朗日乘子法求；
对于不等式约束条件，使用KTT条件求解；
这两种方法求得结果只是必要条件，只有当目标函数是凸函数时，才是充分必要条件。
着重讲一下KTT条件
求解如下优化问题：
minxf(x)s.t.gi(x)≤0(j=1,...,n) m i n x f ( x ) s . t . g i ( x ) ≤ 0 ( j = 1 , . . . , n )
先转化为拉格朗日函数：
L(x,λ)=f(x)+λigi(x) L ( x , λ ) = f ( x ) + λ i g i ( x )
满足条件：
⎧⎩⎨gi(x)≤0λ≥0λigi(x)=0 { g i ( x ) ≤ 0 λ ≥ 0 λ i g i ( x ) = 0
上式称为KTT条件。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/209537.html原文链接：https://javaforall.net
