拉格朗日乘子法
Posted dahu的菜园子
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了拉格朗日乘子法相关的知识,希望对你有一定的参考价值。
1. 假设需要求极值的目标函数 (objective function) 为 f(x,y),限制条件为φ(x,y)=M2. 设3. 定义一个新函数4. 用偏导数方法列出方程:5. 求出 x,y,λ的值,代入即可得到目标函数的极值
求一个多元函数 在条件 下的极值, 实际上是求前者在后者定义域下的极值。
而求函数 的无条件极值,极值存在的条 件为 的所有偏导数等于 0。
关键的一点来了,由于 也是 的变量,所以 对 的偏导数为 0 相当于要求
这恰好使 的除 外的所有变量被限制在 的定义域内。
而在这个定义域内,显然 恒等于 0,于是有 ,求 的有条件极值问题被转化为求 的无条件极值问题。
几何法1:
这个可以比较直观的解释。
想象一下,目标函数是一座山的高度,约束是镶嵌在山上的一条曲线如下图。
你为了找到曲线上的最低点,就从最低的等高线(0 那条)开始网上数。数到第三条,等高线终于和曲线有交点了(如上图所示)。因为比这条等高线低的地方都不在约束范围内,所以这肯定是这条约束曲线的最低点了。
而且约束曲线在这里不可能和等高线相交,一定是相切。因为如果是相交的话,如下图所示,那么曲线一定会有一部分在 B 区域,但是 B 区域比等高线低,这是不可能的。
把这个式子重新解释一下,这个就是函数无约束情况下极值点的充分条件。
拉格朗日乘数法(Lagrange multiplier)有很直观的几何意义。
举个 2 维的例子来说明:
假设有自变量 x 和 y,给定约束条件 g(x,y)=c,要求 f(x,y) 在约束 g 下的极值。
我们可以画出 f 的等高线图,如下图。此时,约束 g=c 由于只有一个自由度,因此也是图中的一条曲线(红色曲线所示)。显然地,当约束曲线 g=c 与某一条等高线 f=d1 相切时,函数 f 取得极值。
两曲线相切等价于两曲线在切点处拥有共线的法向量。因此可得函数 f(x,y) 与 g(x,y) 在切点处的梯度(gradient)成正比。
于是我们便可以列出方程组求解切点的坐标 (x,y),进而得到函数 f 的极值。
以上是关于拉格朗日乘子法的主要内容,如果未能解决你的问题,请参考以下文章