前言： 我搜了一下目前网络上很少有关于拉格朗日松弛方法(LR)的系统性的介绍，同时拉格朗日松弛方法非常的有意思在于它是运筹优化领域解决混合整数的一种主要方法，同时也是机器学习里边SVM（支持向量机）的理论基础。我发现很多同学无法完全领会支持向量机的精髓，恰恰是因为对拉格朗日松弛不了解。废话到此，那么直接上干的。1拉格朗日松弛方法(LR)的简介在运筹，数学优化领域，LR常用来求解混合整数规划问题，是

深度学习和强化学习如何应用在组合优化问题上本文是一个综述介绍。

目前我个人总结整数规划问题的分解/松弛的主流的方法有如下三种：1 Benders decomposition (主要思想是行生成+割平面方法)2 Dantzig-Wolfe decomposition (主要思想其实就是列生成)3 Lagrangian decomposition (主要思想是 Lagrangian relaxation)我们今天主要介绍的是 Benders 分解方法，前两种方法我