知识卡片
KKT是约束最优的检查
优化点要同时满足原约束、拉格朗日梯度为零、非负的不等式乘子以及乘子和约束松弛量的积为零。在可微并满足约束资格的局部最优点可找到这样的乘子。一般非凸问题中满足条件仍可能只是候选点,凸目标和凸可行条件下才可据此证明全局最优。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章附注 KKT 条件 · 查看原书依据
其中,自变量. 设具有连续的一阶偏导数,是优化问题的局部可行解.若该优化问题满足任意一个约束限制条件(constrain t qualifications or regularity conditions),则一定存在,
参考来源
- 位置:《机器学习公式详解》第6章附注 KKT 条件(book-source:`extracted/机器学习公式详解/_epub-src/text/part0012_split_001.html`,第6章附注 KKT 条件)
- 结论依据:附注列驻点、原始可行、乘子符号与互补松弛条件。
- 原始内容:其中,自变量. 设具有连续的一阶偏导数,是优化问题的局部可行解.若该优化问题满足任意一个约束限制条件(constrain t qualifications or regularity conditions),则一定存在,