面试题库 › 算法 / 大模型 › 拉格朗日乘子法处理约束优化的原理

拉格朗日乘子法处理约束优化的原理

难度 ★★★在 2 场真实面经中被问到 方向:算法 / 大模型考点:最优化方法

哪些公司问过

3601

常见岗位:机器学习算法(泛)、NLP / 语音

答案要点

  1. 构造拉格朗日函数,把约束乘以乘子加到目标上,转为无约束问题
  2. 几何直觉:最优点处目标梯度与约束梯度共线
  3. 不等式约束对应KKT条件:平稳性、原始可行、乘子非负、互补松弛
  4. 弱对偶下对偶函数给出原问题下界,凸问题满足Slater条件时强对偶成立
  5. KKT一般是必要条件,凸问题下同时是充分条件

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题