機(jī)器學(xué)習(xí)——求解優(yōu)化問題的Lagrange乘子法茫船、KKT條件

??????? 優(yōu)化問題一般是給定一個(gè)函數(shù)f(x),求這個(gè)函數(shù)在給定作用域上的最小值(若是求最大值可通過加負(fù)號(hào)轉(zhuǎn)化為最小值問題)旺韭。

?????? 在高等數(shù)學(xué)上,常用的函數(shù)最優(yōu)化方法有三種:1趟紊、利用函數(shù)的單調(diào)性椒振,求導(dǎo)找到目標(biāo)函數(shù)的最值朽基;2、拉格朗日(Lagrange)乘子法离陶;3稼虎、KKT條件法。上述三種方法均能求解函數(shù)的優(yōu)化問題招刨,不同之處在于應(yīng)用的情況不同霎俩。第一種利用函數(shù)單調(diào)性的方法一般運(yùn)用在目標(biāo)函數(shù)無約束條件的情況下;第二種拉格朗日乘子法计济,主要運(yùn)用在目標(biāo)函數(shù)有等式約束的情況下茸苇;第三種方KKT條件法,主要運(yùn)用在目標(biāo)函數(shù)有不等式約束的條件的情況下沦寂。

??????? 下面分別對(duì)上述三種情況進(jìn)行介紹:

??????? 1学密、目標(biāo)函數(shù)無約束條件

這是最簡單的一種情況,相信學(xué)過高等數(shù)學(xué)的同學(xué)都能很容易的求解這類問題传藏。對(duì)于可行域無約束的連續(xù)函數(shù)腻暮,在定義域R上求令目標(biāo)函數(shù)的導(dǎo)數(shù)(或梯度)等于零的點(diǎn)。


??????? 如果上式求解比較困難毯侦,可以運(yùn)用梯度下降和牛頓方法等迭代方法對(duì)上式進(jìn)行迭代逼近極小值哭靖。

??????? 2、目標(biāo)函數(shù)具有等式約束條件

??????? 這種情況一般可寫作:


??????? 上式中的s.t.意思是“subject to”意思是“受限于”侈离、“受某某約束”试幽。求f(x)的極小值,但x的取值必須滿足m個(gè)h(x)等式卦碾。自變量x被限定在一個(gè)可行域內(nèi)铺坞,在這個(gè)可行域內(nèi)不一定存在著一個(gè)x令f(x)的導(dǎo)數(shù)或梯度等于0。

?????? 對(duì)于這種情況洲胖,一般采用拉格朗日(Lagrange)乘子法济榨。首先需要定義一個(gè)拉格朗日函數(shù):


其中m是等式約束條件的個(gè)數(shù);αi是約束條件的待定系數(shù)绿映。

?????? 具體的求解方法是擒滑,對(duì)上面的拉格朗日函數(shù)求各個(gè)變量的偏導(dǎo):

?????? 根據(jù)上式,求得x和α的值叉弦,將其此x的值帶入f(x)丐一,便求得在m個(gè)hi(x)=0(簡書不好寫公式,見諒)等式約束的條件下淹冰,f(x)的最小值钝诚。運(yùn)用幾何解釋能夠更加便于理解。


a
b

??????? 如上圖a所示榄棵,目標(biāo)函數(shù)f(x,y)可以看做是一個(gè)在(x,y)平面的等高線凝颇,圖中的紅線是一個(gè)約束等式h(x,y)潘拱。其在(x,y)平面上的投影如圖b所示,d1>d2拧略,越往中間函數(shù)f(x,y)的值越小芦岂。在圖b中,目標(biāo)函數(shù)f(x,y)與h(x,y)有三種位置情況:相交垫蛆、相切禽最、相離(沒有交集)。當(dāng)二者相離時(shí)沒有交點(diǎn)袱饭,那么沒有解川无,只有相交或相切f(x,y)才有最優(yōu)值。如果g(x,y)與f(x,y)相交虑乖,交點(diǎn)不一定是其最優(yōu)值點(diǎn)懦趋,因?yàn)橐欢ㄟ€會(huì)有交點(diǎn)內(nèi)側(cè)的點(diǎn)帶入f(x)使其值比交點(diǎn)處的小。

??????? 也可以換種方式理解疹味,x沿著約束的曲線運(yùn)動(dòng)仅叫,當(dāng)x的運(yùn)動(dòng)方向與f(x,y)的負(fù)梯度方向的夾角是銳角時(shí),目標(biāo)函數(shù)f(x糙捺,y)的值在減薪朐邸(因?yàn)楦鶕?jù)梯度下降法,f(x,y)的負(fù)梯度方向是f(x,y)的值下降最快的方向)洪灯,當(dāng)x的運(yùn)動(dòng)方向與f(x,y)的負(fù)梯度方向的夾角是鈍角時(shí)坎缭,目標(biāo)函數(shù)f(x,y)的值在增大签钩,所以當(dāng)x的運(yùn)動(dòng)方向與f(x,y)的負(fù)梯度方向的夾角是直角時(shí)幻锁,f(x,y)取得最小值,即f(x边臼,y)與g(x,y)相切的時(shí)候。因?yàn)間(x,y)的法線與x的運(yùn)動(dòng)方向相垂直假消,所以此時(shí)f(x,y)的梯度與g(x,y)的梯度應(yīng)該是平行的柠并。這便是拉格朗日乘子法的條件。


??????? 這個(gè)條件與等式約束條件聯(lián)立即可得解富拗。

??????? 3臼予、含有不等式約束的優(yōu)化

??????? 首先看一個(gè)相對(duì)簡單的只含有一個(gè)不等式的約束優(yōu)化,其一般形式如下:


建立一個(gè)對(duì)應(yīng)的拉格朗日函數(shù):


??????? 求在滿足g(x)<=0的條件下啃沪,f(x)的最小優(yōu)化(其中β>=0粘拾,因?yàn)間(x)<=0,若β<0创千,則βg(x)有最小值沒有最大值缰雇,不再滿足對(duì)偶性入偷,無法可靠的求解,β>=0也是運(yùn)用拉格朗日乘子法的內(nèi)在要求)械哟,這包括三種情況疏之。


β

?? ? ?? 如上圖a、b暇咆、c所示的三種情況锋爪,圖中紅色區(qū)域是g(x)<=0,即x的可行域爸业。

??????? 其中a所示為f(x)原來的最優(yōu)解的點(diǎn)落在可行域的內(nèi)部其骄,約束后的最優(yōu)解與原來f(x)函數(shù)的最優(yōu)解相同,此時(shí)扯旷,有沒有這個(gè)g(x)<=0的約束拯爽,對(duì)f(x)的最優(yōu)解沒有影響,也就是說g(x)<=0這個(gè)約束此時(shí)不起作用薄霜。

??????? 其中b所示為f(x)原來的最優(yōu)解落在可行域的外部某抓,此時(shí)f(x)在可行域內(nèi)的最優(yōu)解不再是原來的最優(yōu)解,其最優(yōu)解應(yīng)該在g(x)與f(x)相切的位置惰瓜,即在g(x)的邊界上否副。

????? c所示的為f(x)原來的最優(yōu)解落在可行域的邊界上,其最優(yōu)解與f(x)原來的最優(yōu)解相同崎坊。這種情況與上面的b所述的情況類似备禀,為了便于理解分開來說。

??????? 從上面的描述可以看出奈揍,在g(x)<=0約束條件下曲尸,f(x)的最優(yōu)解要么落在可行域的邊界g(x)=0上;要么落在g(x)<0的內(nèi)部男翰,使g(x)不在起作用另患,此時(shí),可使λ=0蛾绎,消除g(x)昆箕。所以可得下面這個(gè)式子:


??????? 由上可知,含有不等式的約束問題租冠,只要滿足一定的條件也可以運(yùn)用拉格朗日乘子法來進(jìn)行求解鹏倘,而這個(gè)條件便是KKT條件。

??????? 含有不等式約束優(yōu)化問題的一般形式如下:

既包含等式約束有包含不等式約束

定義一個(gè)拉格朗日函數(shù)如下:

??????? 由以上的分析可知顽爹,運(yùn)用拉格朗日乘子求解含有不等式約束的優(yōu)化問題纤泵,需要滿足的KKT條件如下:

(簡書不好寫公式啊啊啊啊啊啊啊啊)

??????? 其中镜粤,公式1表示捏题,拉格朗日函數(shù)取得最小值時(shí)玻褪,其對(duì)x的梯度必須等于0,無論是最優(yōu)解是落在g(x)<=0內(nèi)部還是邊界上涉馅,其對(duì)x的梯度都是等于0的(落在內(nèi)部归园,最優(yōu)解就是無約束的極小值,則對(duì)x的偏導(dǎo)等于0稚矿;最優(yōu)解落在邊界上庸诱,這個(gè)最優(yōu)解要么是無約束的最優(yōu)解,要么是f(x)與g(x)相切的點(diǎn)晤揣,則其對(duì)x的梯度也等于0)桥爽。

??????? 公式2在上面的敘述中已經(jīng)分析了,約束后的最優(yōu)解要么落在g(x)<=0內(nèi)部昧识,此時(shí)g(x)不起作用钠四,可使β=0消除g(x);要么落在g(x)<=0的邊界上跪楞,此時(shí)g(x)=0缀去。總之βg(x)=0甸祭。

??????? 公式3和公式4是約束的條件缕碎。

??????? 公式5是運(yùn)用拉格朗日乘子法的內(nèi)在要求,這個(gè)在前文也已經(jīng)敘述池户。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末咏雌,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子校焦,更是在濱河造成了極大的恐慌赊抖,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,198評(píng)論 6 514
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件寨典,死亡現(xiàn)場(chǎng)離奇詭異氛雪,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)耸成,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,334評(píng)論 3 398
  • 文/潘曉璐 我一進(jìn)店門报亩,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人墓猎,你說我怎么就攤上這事∽” “怎么了毙沾?”我有些...
    開封第一講書人閱讀 167,643評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長左胞。 經(jīng)常有香客問我寇仓,道長,這世上最難降的妖魔是什么烤宙? 我笑而不...
    開封第一講書人閱讀 59,495評(píng)論 1 296
  • 正文 為了忘掉前任遍烦,我火速辦了婚禮,結(jié)果婚禮上躺枕,老公的妹妹穿的比我還像新娘服猪。我一直安慰自己,他們只是感情好拐云,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,502評(píng)論 6 397
  • 文/花漫 我一把揭開白布罢猪。 她就那樣靜靜地躺著,像睡著了一般叉瘩。 火紅的嫁衣襯著肌膚如雪膳帕。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,156評(píng)論 1 308
  • 那天薇缅,我揣著相機(jī)與錄音危彩,去河邊找鬼。 笑死泳桦,一個(gè)胖子當(dāng)著我的面吹牛汤徽,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播蓬痒,決...
    沈念sama閱讀 40,743評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼泻骤,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了梧奢?” 一聲冷哼從身側(cè)響起狱掂,我...
    開封第一講書人閱讀 39,659評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎亲轨,沒想到半個(gè)月后趋惨,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,200評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡惦蚊,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,282評(píng)論 3 340
  • 正文 我和宋清朗相戀三年器虾,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片蹦锋。...
    茶點(diǎn)故事閱讀 40,424評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡兆沙,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出莉掂,到底是詐尸還是另有隱情葛圃,我是刑警寧澤,帶...
    沈念sama閱讀 36,107評(píng)論 5 349
  • 正文 年R本政府宣布,位于F島的核電站库正,受9級(jí)特大地震影響曲楚,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜褥符,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,789評(píng)論 3 333
  • 文/蒙蒙 一龙誊、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧喷楣,春花似錦趟大、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,264評(píng)論 0 23
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至粗截,卻和暖如春惋耙,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背熊昌。 一陣腳步聲響...
    開封第一講書人閱讀 33,390評(píng)論 1 271
  • 我被黑心中介騙來泰國打工绽榛, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人婿屹。 一個(gè)月前我還...
    沈念sama閱讀 48,798評(píng)論 3 376
  • 正文 我出身青樓灭美,卻偏偏與公主長得像,于是被迫代替她去往敵國和親昂利。 傳聞我的和親對(duì)象是個(gè)殘疾皇子届腐,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,435評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容

  • 機(jī)器學(xué)習(xí)是做NLP和計(jì)算機(jī)視覺這類應(yīng)用算法的基礎(chǔ),雖然現(xiàn)在深度學(xué)習(xí)模型大行其道蜂奸,但是懂一些傳統(tǒng)算法的原理和它們之間...
    在河之簡閱讀 20,512評(píng)論 4 65
  • 【概述】 SVM訓(xùn)練分類器的方法是尋找到超平面犁苏,使正負(fù)樣本在超平面的兩側(cè)(分類正確性即“分得開”),且樣本到超平面...
    sealaes閱讀 11,079評(píng)論 0 7
  • 十八日打卡扩所。今天畫的是我的彩鉛围详,繼續(xù)我的畫畫之旅,繼續(xù)聽我的療傷音樂——《勇氣》祖屏,想你助赞,是件很簡單的事情,也是最難...
    知小酌閱讀 172評(píng)論 0 3
  • 昨天是晴袁勺,今天來了雨雹食。心情隨著陰也成了陰。我坐在離門口最近的位置期丰,不經(jīng)意看到行人被來往的車濺一身泥水的皺眉和隨意的...
    jeongtony閱讀 302評(píng)論 0 0
  • 習(xí)慣了用淡淡的筆觸記下心里的淺淺的憂傷群叶。這一次漠嵌,我想讓執(zhí)筆成為一種清涼的欲望,無關(guān)悔恨盖呼,也無關(guān)悲傷』海——題記 眼前...
    夢(mèng)問天下閱讀 418評(píng)論 0 0