最优化领域中,扰动函数(perturbation function)是与主问题和对偶问题相关的任何函数。由于任何此类函数都定义了对初始问题的扰动,所以叫做扰动函数。很多时候这种扰动的形式是约束的调整(shift)。[1]
有时值函数(value function)也被称作扰动函数,而扰动函数则称作双函数(bifunction)。[2]
给定豪斯多夫局部凸空间的两个对偶对、,以及函数,可以定义主问题为
可令以将约束嵌入f,其中I是示性函数。则是扰动函数,当且仅当。[1][3]
在对偶性中的应用[编辑]
对偶间隙是不等式右式与左式之差
其中是两个变量的凸共轭。[3][4]
对扰动函数F的任意选择,弱对偶都成立。有一些条件一旦满足,就意味着强对偶。[3]例如,若F是下半连续的真联合凸函数,且(其中是代数内部,是由定义的到Y的投影),并且X、Y是弗雷歇空间,则强对偶性成立。[1]
拉格朗日量[编辑]
令、对偶(为对偶对)。给定主问题(最小化)与相关的扰动函数(),则拉格朗日量是F关于y的负共轭(即凸共轭),也就是说拉格朗日量的定义是
特别地,弱对偶minmax方程可以证明为
若主问题是
其中。则若扰动是
则扰动函数是
于是,可见与拉格朗日对偶的联系,因为L可以简单地看成是
芬切尔对偶性[编辑]
令、对偶。假定存在线性映射与伴随算子。假定主目标函数(通过示性函数,包含了约束)可以写作使得,则扰动函数为
特别地,若主目标函数是,则扰动函数来自,这是芬切尔对偶性的传统定义。[5]
参考文献[编辑]
- ^ 1.0 1.1 1.2 Radu Ioan Boţ; Gert Wanka; Sorin-Mihai Grad. Duality in Vector Optimization. Springer. 2009. ISBN 978-3-642-02885-4.
- ^ J. P. Ponstein. Approaches to the Theory of Optimization. Cambridge University Press. 2004. ISBN 978-0-521-60491-8.
- ^ 3.0 3.1 3.2 Zălinescu, C. Convex analysis in general vector spaces. River Edge, NJ: World Scientific Publishing Co., Inc. 2002: 106–113. ISBN 981-238-067-1. MR 1921556.
- ^ Ernö Robert Csetnek. Overcoming the failure of the classical generalized interior-point regularity conditions in convex optimization. Applications of the duality theory to enlargements of maximal monotone operators. Logos Verlag Berlin GmbH. 2010. ISBN 978-3-8325-2503-3.
- ^ Radu Ioan Boţ. Conjugate Duality in Convex Optimization. Springer. 2010: 68. ISBN 978-3-642-04899-9.