Karush-Kuhn-Tucker条件 (KKT条件; Karush-Kuhn-Tucker conditions)† \(n\)次元のベクトル \(\mathbf{x}=(x_1,\ldots,x_n)\) について,次の制約を持つ最適化問題: 目的関数:\(\min_{\mathbf{x}} f(\mathbf{x})\) 制約条件:\(g_1(\mathbf{x})\le0,g_2(\mathbf{x})\le0,\ldots,g_m(\mathbf{x})\le0\) \(f(\mathbf{x})\) と \(g_i(\mathbf{x})\) が全て凸関数であれば,凸計画問題と呼ばれ,局所最適解が大域最適解になる. 凸計画問題なら,次のLagrange関数 (Lagragian)について \[L=f(\mathbf{x})+\sum_i^m \lambda_i g_i(\ma