把求x的最小值问题转换为求乘子向量的最大值问题，如下图，函数f是优化目标函数，但其有可能是非凸函数，通过写成拉格朗日形式L(x,r,v)，对于每一个r和v，遍历所有的x，寻找其最小值，得到g(r,v)，这便是其对偶函数，对偶函数永远是拉格朗日函数的下界，所以找到对偶函数的最大值，也即找到原有最优化问题的近似最优解！
图片发自简书App
Lagrange对偶
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 〇、说明 凸优化主要学习《凸优化》(Stephen Boyd等著，王书宁等译)[1]这本书。学习过程中，对其内容的...
- 机器学习是做NLP和计算机视觉这类应用算法的基础，虽然现在深度学习模型大行其道，但是懂一些传统算法的原理和它们之间...
- 概述 首先，您有必要了解一下，为什么我们需要用分布式算法来计算我们的组合优化问题。 在实际生产中，即使我们基于传统...
