Bài toán cực tiểu hóa lồi (gốc) là một bài toán có dạng

inf x ∈ M f ( x ) {\displaystyle \inf _{x\in M}f(x)}

sao cho f : X → R ∪ {±∞} là hàm lồi và M ⊆ X là một tập lồi.

Bài toán đối ngẫu

Trong lý thuyết tối ưu hóa, nguyên lý đối ngẫu phát biểu rằng các bài toán tối ưu có thể xem từ cả hai phía, phía bài toán gốc và phía bài toán đối ngẫu.

Tổng quát, cho hai cặp đối ngẫu các không gian lồi địa phương tách được (X, X*) và (Y, Y*). Với một hàm f : X → R ∪ {+∞} cho trước, ta có thể định nghĩa bài toán gốc là tìm x sao cho

inf x ∈ X f ( x ) . {\displaystyle \inf _{x\in X}f(x).}

Các điều kiện chế ước (nếu có) có thể được gắn vào hàm f bằng cách đặt f = f + I với I là hàm chỉ thị ứng với điều kiện đó. Gọi F : X × Y → R ∪ {±∞} là hàm nhiễu sao cho F(x, 0) = f(x).[5]

Bài toán đối ngẫu ứng với hàm nhiễu đã chọn được cho bởi

sup y ∗ ∈ Y ∗ − F ∗ ( 0 , y ∗ ) {\displaystyle \sup _{y^{*}\in Y^{*}}-F^{*}\left(0,y^{*}\right)}

với F* là hàm lồi liên hợp theo cả hai biến của F.

Khoảng cách đối ngẫu là hiệu giữa vế phải và vế trái của bất đẳng thức[6][5][7]

sup y ∗ ∈ Y ∗ − F ∗ ( 0 , y ∗ ) ≤ inf x ∈ X F ( x , 0 ) . {\displaystyle \sup _{y^{*}\in Y^{*}}-F^{*}\left(0,y^{*}\right)\leq \inf _{x\in X}F(x,0).}

Nguyên lý này giống với nguyên lý về đối ngẫu yếu. Nếu cả hai vế bằng nhau thì bài toán được gọi là đạt đối ngẫu mạnh.

Có nhiều điều kiện để xảy ra đối ngẫu mạnh, chẳng hạn như:

• F = F** với F là hàm nhiễu liên hệ bài toán gốc và bài toán đối ngẫu, và F** là hàm song liên hợp của F;
• bài toán gốc là bài toán tối ưu hóa tuyến tính;
• điều kiện Slater đối với một bài toán tối ưu hóa lồi.[8][9]

Đối ngẫu Lagrange

Đối với một bài toán cực tiểu hóa lồi với điều kiện ràng buộc viết dưới dạng bất đẳng thức,

minx f(x) sao cho gi(x) ≤ 0 với mọi i = 1, ..., m.

bài toán đối ngẫu Lagrange là

supu infx L(x, u) sao cho ui(x) ≥ 0 với mọi i = 1, ..., m.

trong đó hàm mục tiêu L(x, u) là hàm đối ngẫu Lagrange được định nghĩa như sau:

L ( x , u ) = f ( x ) + ∑ j = 1 m u j g j ( x ) {\displaystyle L(x,u)=f(x)+\sum _{j=1}^{m}u_{j}g_{j}(x)}