约束规范

约束规范 (Constraint Qualification)

约束规范是非线性规划和最优化理论中的一组技术条件，用于保证KKT条件（Karush-Kuhn-Tucker条件）是局部最优解的必要条件。若没有约束规范，即使一个点是局部最优解，也可能不存在满足KKT条件的拉格朗日乘数。简言之，约束规范排除了可行集边界上那些使一阶必要条件"失效"的病态几何情形。

动机：为何需要约束规范？

考虑标准非线性规划问题：最小化 $f(\mathbf{x})$，满足 $g_i(\mathbf{x}) \le 0$（$i = 1, \ldots, m$）和 $h_j(\mathbf{x}) = 0$（$j = 1, \ldots, p$），其中 $f, g_i, h_j$ 均连续可微。KKT条件断言：若 $\mathbf{x}^*$ 是局部最优解且满足某约束规范，则存在乘数 $\boldsymbol{\mu} \ge 0$ 和 $\boldsymbol{\lambda}$ 使 拉格朗日函数 $L = f + \sum \mu_i g_i + \sum \lambda_j h_j$ 的梯度在 $\mathbf{x}^*$ 处为零，且 $\mu_i g_i(\mathbf{x}^*) = 0$（互补松弛）。没有约束规范时，该结论不成立。

典型反例：最小化 $x$，约束 $x^2 \le 0$。唯一可行解也是最优解 $x^* = 0$，但不存在 $\mu \ge 0$ 使 KKT 条件成立——因为 $\nabla g(0) = 0$，约束梯度在最优解处退化。约束规范正是要排除此类梯度线性相关的退化解。

常用约束规范

线性无关约束规范（LICQ）要求：在 $\mathbf{x}^*$ 处，所有起作用约束（即 $g_i(\mathbf{x}^*) = 0$ 的不等式约束与全部等式约束）的梯度向量线性无关。LICQ 是最强也最常用的约束规范，保证乘数唯一。

Mangasarian-Fromovitz约束规范（MFCQ）较弱：只要求等式约束梯度线性无关，且存在一个方向使所有起作用不等式约束的梯度内积严格为负。MFCQ 等价于乘数集合有界。

Slater条件适用于凸优化：若问题为凸规划（$f$ 与 $g_i$ 凸、$h_j$ 为仿射），且存在一个严格内点使所有不等式约束严格小于零，则约束规范自动满足。Slater条件是凸优化中最常用的约束规范——强对偶性往往只需 Slater 条件便可成立。

线性约束规范：若所有约束函数均为仿射（线性等式/不等式），则无需额外约束规范，KKT条件必然成立。这是线性规划和二次规划中约束规范退化为平凡情形的关键。

此外还有Abadie约束规范（切锥等于线性化切锥）、Guignard约束规范（最弱的一般约束规范）、Constant Rank约束规范（CRCQ）等，它们构成从强到弱的约束规范层级。越弱的约束规范适用范围越广，验证也越困难。

经济含义与应用

在经济优化模型中，约束规范失效通常意味着约束之间存在冗余或"卡死"——资源约束的梯度共线使得影子价格无法唯一确定。这在一般均衡、CGE模型和委托代理理论的激励相容约束中尤为重要。实践中大多数经济应用都满足LICQ或线性约束规范，但若建模不慎——如同时施加预算约束与等价的支出约束——可能暗含约束规范违反，造成求解器故障或影子价格无意义。

与对偶理论的关系

约束规范也是对偶理论中强对偶性成立的前提：凸问题下 Slater 条件保证零对偶间隙；一般非凸问题则需更细致的约束规范（如MFCQ的变体）来确保拉格朗日对偶的鞍点刻画。至此，约束规范从一阶必要条件条件、乘数唯一性到对偶间隙，串联起数学优化的整个理论框架。