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)=M
设g(x,y)=M-φ(x,y)
定义一个新函数
F(x,y,λ)=f(x,y)+λg(x,y)
则用偏导数方法列出方程:
∂F/∂x=0
∂F/∂y=0
∂F/∂λ=0
求出x,y,λ的值,代入即可得到目标函数的极值
扩展为多个变量的式子为:
F(x1,x2,...λ)=f(x1,x2,...)+λg(x1,x2...)
则求极值点的方程为:
∂F/∂xi=0(xi即为x1、x2……等自变量)
∂F/∂λ=g(x1,x2...)=0
以上内容在《数学手册》当中有。另外,可以将这种把约束条件乘以λ(即不定乘子)后加到待求函数上的求极值方法推广到变分极值问题及其它极值问题当中,理论力学当中对非完整约束的处理方法就是利用变分法当中的拉格朗日乘子法。
拉格朗日乘子法的用途:
从经济学的角度来看,λ代表当约束条件变动时,目标函数极值的变化。因为∂F/∂M=λ,当M增加或减少一个单位值时,F会相应变化λ。
例如,假设目标函数代表一个工厂生产产品的数量,约束条件限制了生产中投入的原料和人力的总成本,我们求目标函数的极值,就是要求在成本一定的条件下,如何分配利用人力和原料,从而使得生产量达到最大。此时λ便代表,当成本条件改变时,工厂可达到的生产量最大值的变化率。
在求解最优化问题中,拉格朗日乘子法(Lagrange Multiplier)和KKT(Karush Kuhn Tucker)条件是两种最常用的方法。在有等式约束时使用拉格朗日乘子法,在有不等约束时使用KKT条件。
1、本网站为开放性注册平台,以上所有展示信息均由会员自行提供,内容的真实性、准确性和合法性均由发布会员负责,本网站对此不承担任何法律责任。
2、网站信息如涉嫌违反相关法律规定或侵权,请发邮件至599385753@qq.com删除。