本文主要是介绍从增广拉格朗日法到ADMM,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
从增广拉格朗日法到ADMM
- 增广拉格朗日法
- ADMM
增广拉格朗日法
- 考虑如下一个凸优化问题:
它的增广拉格朗日函数如下所示:
其中, λ λ λ是拉格朗日乘子,附加的二次项是线性约束 A x = b Ax = b Ax=b的惩罚项(penalty),增广拉格朗日法的第 k k k次迭代始于一个给定的 λ λ λk, 并通过如下式子得到 w w wk+1 =( x x xk+1, λ λ λk+1):
这等价于:
其中:
即为原问题的一般的拉格朗日函数。- 在上述的ALM一式中, x x xk+1是在给定 λ λ λk的情况下唯一的计算结果,它称为中间变量。为了开始ALM的第 k k k次迭代,我们只需要拥有 λ λ λk,因此我们称其为基本变量。
- 最优条件可以视作:
上面的关系式可以写成:
ADMM
下面介绍ADMM算法,后续再更新。
这篇关于从增广拉格朗日法到ADMM的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!