首先定义一个原始最优化问题：

引入广义拉格朗日函数，将约束问题转换为无约束优化问题：

 参数和自变量x求偏导，分别为零，就能解出一个值（极大值或者极小值）。

直接求解有时候非常困难，转化为它的等价的或者近似的新问题，这个新问题就叫做对偶问题。

 

约定：

• 的凹凸性不确定
• 最优结果表示为

 

一般地，拉格朗日对偶问题有以下两个优点：

• 约束条件比原问题更少
• 一定是凹函数

定义拉格朗日对偶函数：

 

不管原函数地凹凸性如何，它的对偶函数一定是凹函数。

对偶函数和原函数的关系：

即对偶函数的值不会超过原函数的最优值。

我们已经知道对偶函数的值总是小于原函数的最值，如果能找到对偶函数的最大值，也就找到了对偶函数中最能近似原函数的解，对偶函数是原函数的下界。