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
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
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...
