拉格朗日函数及其对偶性

前言：机器学习这个吧，随便动动就能碰到我数学天花板。来吧，我们开始吧

拉格朗日函数主要用来求解在约束条件下的最优化问题，

一切从原始问题开始

$假设 f(x), c_i(x), h_j(x) 是定义在 R^n 上的连续可微函数，考虑最优化问题$

$min$
$f(x)$
$s.t.$
$c_i(x) \leq 0, i = 1, 2, ..., k$
$h_j(x) = 0, j = 1, 2, ..., l$

称此约束最优化问题为原始最优化问题。

引入广义拉格朗日函数

$L(x, \alpha, \beta) = f(x) + \sum_{i=1}^{k}\alpha_ic_i(x)+\sum_{j=1}^{l}\beta_jh_j(x)$

这里， $x=(x^{(1)},x^{(1)},...,x^{(1)})^T \in R^n,\alpha_i, \beta_j$ 是拉格朗日乘子， $\alpha_i \geq 0$ .考虑 x 的函数：
$\theta_p(x) = max L(x, \alpha, \beta)$

这里，下标 $p$ 表示原始问题。

假设给定某个 $x$ ,如果 $x$ 违反原始问题的约束条件

假设有一个 $i$ 使得 $c_i(x) \geq 0$ 那么只要 $\alpha_i \rightarrow +\infty$ 其余参数为 0
或者假设有某个 $j$ 使 $h_j(x) \neq 0$ ，则可令 $\beta_j \rightarrow +\infty$ 使 $\beta_jh_j(x) \rightarrow +\infty$
都可以得到
$\theta_p(x)=max[f(x) + \sum_{i=1}^{k}\alpha_ic_i(x)+\sum_{j=1}^{l}\beta_jh_j(x)]=+\infty$

所以当都满足约束条件时， $max L(x, \alpha, \beta)$ 可以得到所有的 $\alpha$ 都为 0。另一项恒为 0。此时

$\theta_p(x) = max L(x, \alpha, \beta)=f(x)$

再最小化

$min\theta_p(x) = minf(x)$

与原始问题相同。

定义原始问题的最优值
$p^* = min\theta_p(x)$
又叫做广义拉格朗日函数的极小极大问题。

对偶问题

定义
$\theta_D(\alpha, \beta)=minL(x, \alpha, \beta)$

之前的原始问题，第一步是把 $\alpha， \beta$ 当做常数，求 $\theta_p(x)$ 。现在的对偶问题，第一步是把 $x$ 当做常数求 $\theta_D(\alpha, \beta)$

在考虑极大化
$max\theta_D(\alpha, \beta)=maxminL(x, \alpha, \beta)$

这又叫做，广义拉格朗日函数的极大极小问题

定义最优值

$d^* = max\theta_D(\alpha, \beta)$

原始问题和对偶问题的关系

这才是关键！！！如果求解不一样，那对偶函数有什么用！

在最大熵模型中，正是因为对偶问题和原始问题的解一样，才能互相转换。

现在来探讨这个对偶问题和原始问题的解一样的条件

详见这篇文章

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 212,332评论 6赞 493
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 90,508评论 3赞 385
救了他两次的神仙让他今天三更去死
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...
开封第一讲书人阅读 157,812评论 0赞 348
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 56,607评论 1赞 284
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 65,728评论 6赞 386
恶毒庶女顶嫁案：这布局不是一般人想出来的
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...
开封第一讲书人阅读 49,919评论 1赞 290
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 39,071评论 3赞 410
双鸳鸯连环套：你想象不到人心有多黑
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...
开封第一讲书人阅读 37,802评论 0赞 268
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 44,256评论 1赞 303
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 36,576评论 2赞 327
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 38,712评论 1赞 341
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 34,389评论 4赞 332
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 40,032评论 3赞 316
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 30,798评论 0赞 21
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,026评论 1赞 266
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 46,473评论 2赞 360
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 43,606评论 2赞 350

拉格朗日函数及其对偶性

一切从原始问题开始

引入广义拉格朗日函数

对偶问题

原始问题和对偶问题的关系

推荐阅读更多精彩内容