定义：
这是优化界的一种方法，对偶问题为原问题提供了一个下界。primal和dual问题本来是会存在一个dual gap。如果有个比较强的约束条件（KTT）（when the problem is convex and satisfies ），那么dual gap=0.这叫做强对偶，那么就可以根据dual问题直接求得primal问题的解。而一般dual gap=primal-dual>0，称为弱对偶性。
线性：
如果原问题有n个变量，m个限制条件，那么对偶问题就有m个对偶变量，n个限制条件。
即使初始问题是non-convex，但是拉格朗日dual problem是convex的。
拉格朗日的乘子就是拉格朗日对偶变量。
版权声明：本文为haimengao原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。