You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

优化问题(P')向(P)的归约证明及解的关系推导咨询

优化问题(P')向(P)的归约证明及解的关系推导咨询

嘿,你用正负变量分解的思路完全找对方向了!咱们一步步把这个归约过程落地,同时理清两个问题解的对应关系:

首先先明确两个问题的形式:

原问题定义

  • 问题(P):
    $$
    \min _{\substack{x \geq 0 \ \sum_i x_i \leq 1}} \frac{1}{2} \lVert x-a \rVert^2
    $$
  • 问题(P'):
    $$
    \min _{\lVert x\rVert_1 \leq 1} \frac{1}{2} \lVert x-a \rVert^2
    $$

第一步:变量替换与可行域的对应

对于问题(P')中的任意可行解 $x \in \mathbb{R}^n$,我们把每个分量拆成正部和负部:
$$x_i = x_i^+ - x_i^-, \quad 其中\ x_i^+ = \max(x_i,0),\ x_i^- = \max(-x_i,0)$$
显然 $x_i^+ \geq 0$,$x_i^- \geq 0$,且 $x_i^+ x_i^- = 0$(同一分量的正负部不会同时为正)。

现在构造一个2n维的新向量 $w$:
$$w = (x_1^+, x_2^+, ..., x_n^+, x_1^-, x_2^-, ..., x_n^-)$$
此时 $w$ 满足:

  1. $w \geq 0$(所有分量非负);
  2. $\sum_{j=1}^{2n} w_j = \sum_{i=1}^n (x_i^+ + x_i^-) = \sum_{i=1}^n |x_i| = \lVert x \rVert_1 \leq 1$。

这正好符合问题(P)的约束条件!反过来,任意满足 $w \geq 0$ 且 $\sum w_j \leq 1$ 的2n维向量 $w$,对应 $x_i = w_i - w_{n+i}$(前n个分量是正部,后n个是负部),显然 $\lVert x \rVert_1 = \sum |w_i - w_{n+i}| \leq \sum (w_i + w_{n+i}) \leq 1$,是(P')的可行解。


第二步:目标函数的等价性

接下来看目标函数,我们先展开原问题(P')的目标:
$$
\lVert x - a \rVert^2 = \sum_{i=1}^n (x_i - a_i)^2 = \sum_{i=1}^n (x_i^+ - x_i^- - a_i)^2
$$

现在构造2n维向量 $b$:
$$b = (a_1, a_2, ..., a_n, -a_1, -a_2, ..., -a_n)$$
计算 $\lVert w - b \rVert^2$:
$$
\lVert w - b \rVert^2 = \sum_{i=1}^n (w_i - a_i)^2 + \sum_{i=1}^n (w_{n+i} + a_i)^2
$$

展开后对比原目标函数的展开式:
$$
\sum_{i=1}^n (x_i^+ - x_i^- - a_i)^2 = \lVert w - b \rVert^2 - 2\sum_{i=1}^n w_i w_{n+i} - \sum_{i=1}^n a_i^2
$$

这里的关键结论是:在最优解中,$w_i$ 和 $w_{n+i}$ 不会同时为正。原因很简单:如果某个分量 $w_i > 0$ 且 $w_{n+i} > 0$,我们可以同时减去一个小正数 $t$(不超过两者的最小值),得到新的 $w'$,此时 $\sum w'j$ 更小(仍满足约束),且目标函数值会下降(具体推导可以看下面的补充)。因此最优解中 $w_i w{n+i} = 0$,这时候原目标函数就变成:
$$
\frac{1}{2}\lVert x - a \rVert^2 = \frac{1}{2}\left(\lVert w - b \rVert^2 - \sum_{i=1}^n a_i^2\right)
$$
其中 $\sum a_i^2$ 是常数,不影响最小值的位置。因此最小化(P')的目标等价于最小化2n维版本的(P)目标。


第三步:解的对应关系

  • 若 $w^$ 是2n维问题(P)(对应向量 $b$)的最优解,则原问题(P')的最优解 $x^$ 满足:
    $$x^_i = w^i - w^*{n+i}, \quad i=1,2,...,n$$
  • 反过来,若 $x^$ 是(P')的最优解,则对应的 $w^ = (x^{+}_1, ..., x^{+}_n, x^{-}_1, ..., x^{-}_n)$ 是2n维问题(P)的最优解。

补充:最优解中无同时正的正负部

假设存在某个 $i$ 使得 $w_i > 0$ 且 $w_{n+i} > 0$,取 $t = \min(w_i, w_{n+i})$,令 $w'i = w_i - t$,$w'{n+i} = w_{n+i} - t$,其他分量不变。此时:

  • $\sum w'_j = \sum w_j - 2t \leq 1$,仍满足约束;
  • 原目标函数的变化量为:
    $$
    \frac{1}{2}\left[(w'i - w'{n+i} - a_i)^2 - (w_i - w_{n+i} - a_i)^2\right] = 0
    $$
    但 $\lVert w' - b \rVert^2$ 的变化量为负(具体展开后可验证),结合目标函数的等价性,说明原 $w$ 不是最优解,矛盾。因此最优解中必然不存在同时为正的 $w_i$ 和 $w_{n+i}$。

备注:内容来源于stack exchange,提问作者Pipnap

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.04.20 13:23:09