溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
怎樣推導得出KKT條件，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。
- 推導得出KKT條件 -
正是在求解凸優化的含不等式約束時，推導出了KKT條件，下面通過圖形和符號一步一步推導。
帶求解問題
f(x) 最小值為 0 ，如下圖，同時給出了帶約束極小值與無約束一致需要滿足的兩個條件（第二個條件正是正定二次型）
以上情況，我們稱此約束失效（not active）,如下圖所示：
為了讓以上約束生效，重新定義目標函數：
即等同于圓心位置移動：
容易看出，如果不帶約束，目標函數的最小值位于圓心處取得，但是此處不能滿足約束：
因此，直觀感覺，目標函數的最小值是在恰好與約束區域邊界外切處取得，如下圖所示：
用數學公式描述，即滿足：
正是基于這個等式，定義了著名的拉格朗日乘子法：
總結以上兩種情況（無約束極小值取得位置是否位于可行域內）：
合并以上兩種，追求簡約，總結了約束條件，這就是：KKT條件
具體來說：
1)
合并為KKT條件:
2)
比較容易觀察
3)
合并為KKT條件4：
4)
合并為條件3：
上式等式正是支持向量機中為什么真正只有兩個點起到分類作用的原因
5）半正定二次型約束，等價于凸優化
關于怎樣推導得出KKT條件問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
