一、 牛顿－拉夫逊法概要 首先对一般的牛顿－拉夫逊法作一简单说明。已知一个变量X的函数 （4－6） 解此方程式时，由适当的近似值X（0）出发，根据 （4－7） 反复进行计算，当X（n）满足适当的收敛判定条件时就是（4－6）式的根。这样的方法就是所谓的牛顿－拉夫逊法。 式（4－7）就是取第n次近似解X（n）在曲线 上的点 处的切线与X轴的交点作下一次X（n+1）值的方法。参考图4－2（a）。在这一方法中为了能收敛于真解，初值X（0）的选取及函数f（X）必须满足适当的条件，如

Karush-Kuhn-Tucker conditions Geo Gordon & Ryan Tibshirani Optimization

由复旦大学经济学院中国经济研究中心冯曲编写的最优化与KKT条件一书(The best book of optimization and KKT conditions written by Feng Qu, the center of Economic Research of Fudan University, China Economic Research Center)

KKT典型寻优程序，对于目标函数与约束下的程序构造。(KKT typical optimization program, for the objective function and constraints under the program construction.)