- 凸优化教程
- 首页
- 介绍
- 线性规划
- 范数
- 内积
- 极小值和极大值
- 凸集
- 仿射集
- 凸包
- Carathéodory 定理
- Weierstrass 定理
- 最近点定理
- 基本分离定理
- 凸锥
- 极锥
- 锥组合
- 多面体集
- 凸集的极点
- 方向
- 凸函数与凹函数
- Jensen 不等式
- 可微凸函数
- 全局最优的充分条件与必要条件
- 拟凸函数与拟凹函数
- 可微拟凸函数
- 严格拟凸函数
- 强拟凸函数
- 伪凸函数
- 凸规划问题
- Fritz-John 条件
- Karush-Kuhn-Tucker 最优性必要条件
- 凸问题的算法
- 凸优化资源
- 凸优化 - 快速指南
- 凸优化 - 资源
- 凸优化 - 讨论
凸优化 - Fritz-John 条件
必要条件
定理
考虑问题 − $min f\left ( x \right )$ 满足 $x \in X$,其中 X 是 $\mathbb{R}^n$ 中的开集,且 $g_i \left ( x \right ) \leq 0, \forall i =1,2,....m$。
$f:X \rightarrow \mathbb{R}$ 和 $g_i:X \rightarrow \mathbb{R}$
设 $\hat{x}$ 为可行解,且 f 和 $g_i, i \in I$ 在 $\hat{x}$ 处可微,$g_i, i \in J$ 在 $\hat{x}$ 处连续。
如果 $\hat{x}$ 局部解决了上述问题,则存在 $u_0, u_i \in \mathbb{R}, i \in I$ 使得 $u_0 \bigtriangledown f\left ( \hat{x} \right )+\displaystyle\sum\limits_{i\in I} u_i \bigtriangledown g_i \left ( \hat{x} \right )=0$
其中 $u_0,u_i \geq 0,i \in I$ 且 $\left ( u_0, u_I \right ) \neq \left ( 0,0 \right )$
此外,如果 $g_i,i \in J$ 在 $\hat{x}$ 处也可微,则上述条件可以写成:
$u_0 \bigtriangledown f\left (\hat{x}\right )+\displaystyle\sum\limits_{i=1}^m u_i \bigtriangledown g_i\left ( \hat{x} \right )=0$
$u_ig_i\left (\hat{x} \right )=0$
$u_0,u_i \geq 0, \forall i=1,2,....,m$
$\left (u_0,u \right ) \neq \left ( 0,0 \right ), u=\left ( u_1,u_2,s,u_m \right ) \in \mathbb{R}^m$
备注
$u_i$ 称为拉格朗日乘子。
$\hat{x}$ 对给定问题可行的条件称为原始可行性条件。
条件 $u_0 \bigtriangledown f\left (\hat{x} \right )+\displaystyle\sum\limits_{i=1}^m u_i \bigtriangledown g_i\left ( x \right )=0$ 称为对偶可行性条件。
条件 $u_ig_i\left ( \hat{x} \right )=0, i=1, 2, ...m$ 称为互补松弛条件。此条件要求 $u_i=0, i \in J$
原始可行性条件、对偶可行性条件和互补松弛条件一起称为 Fritz-John 条件。
充分条件
定理
如果存在 $\hat{x}$ 的 $\varepsilon$-邻域 $N_\varepsilon \left ( \hat{x} \right ),\varepsilon >0$,使得 f 在 $N_\varepsilon \left ( \hat{x} \right )\cap S$ 上是伪凸的,且 $g_i,i \in I$ 在 $N_\varepsilon \left ( \hat{x}\right )\cap S$ 上是严格伪凸的,则 $\hat{x}$ 是上述问题的局部最优解。如果 f 在 $\hat{x}$ 处是伪凸的,并且 $g_i, i \in I$ 在 $\hat{x}$ 处既是严格伪凸函数又是拟凸函数,则 $\hat{x}$ 是上述问题的全局最优解。
示例
$min \:f\left ( x_1,x_2 \right )=\left ( x_1-3 \right )^2+\left ( x_2-2 \right )^2$
满足 $x_{1}^{2}+x_{2}^{2} \leq 5, x_1+2x_2 \leq 4, x_1,x_2 \geq 0$ 且 $\hat{x}=\left ( 2,1 \right )$
设 $g_1\left (x_1,x_2 \right )=x_{1}^{2}+x_{2}^{2} -5,$
$g_2\left (x_1,x_2 \right )=x_1+2x_2-4,$
$g_3\left (x_1,x_2 \right )=-x_1$ 和 $g_4\left ( x_1, x_2 \right )= -x_2$。
因此,上述约束可以写成:
$g_1\left (x_1,x_2 \right )\leq 0,$
$g_2\left (x_1,x_2 \right )\leq 0,$
$g_3\left (x_1,x_2 \right )\leq 0$ 和
$g_4\left (x_1,x_2 \right )\leq 0$ 因此,$I = \left \{1,2 \right \}$,所以 $u_3=0,u_4=0$
$\bigtriangledown f \left (\hat{x} \right )=\left (2,-2 \right ),\bigtriangledown g_1\left (\hat{x} \right )=\left (4,2 \right )$ 和 $\bigtriangledown g_2\left (\hat{x} \right )=\left (1,2 \right )$
因此,将这些值代入 Fritz-John 条件的第一个条件,我们得到:
$u_0=\frac{3}{2} u_2, \:\:u_1= \frac{1}{2}u_2,$ 令 $u_2=1$,则 $u_0= \frac{3}{2},\:\:u_1= \frac{1}{2}$
因此,满足 Fritz-John 条件。
$min f\left (x_1,x_2\right )=-x_1$。
满足 $x_2-\left (1-x_1\right )^3 \leq 0$
$-x_2 \leq 0$ 且 $\hat{x}=\left (1,0\right )$
设 $g_1\left (x_1,x_2 \right )=x_2-\left (1-x_1\right )^3$
$g_2\left (x_1,x_2 \right )=-x_2$
因此,上述约束可以写成:
$g_1\left (x_1,x_2 \right )\leq 0,$
$g_2\left (x_1,x_2 \right )\leq 0,$
因此,$I=\left \{1,2 \right \}$
$\bigtriangledown f\left (\hat{x} \right )=\left (-1,0\right )$
$\bigtriangledown g_1 \left (\hat{x} \right )=\left (0,1\right )$ 和 $g_2 \left (\hat{x} \right )=\left (0, -1 \right )$
因此,将这些值代入 Fritz-John 条件的第一个条件,我们得到:
$u_0=0,\:\: u_1=u_2=a>0$
因此,满足 Fritz-John 条件。