對KKT條件的理解，是在學習機器學習和麪試機器學習算法工程師時，經常出現的問題，今天我在面試的時候就遇到了這個問題，但是沒有答上來，查閱相關資料後，特此作爲筆記。
簡而言之，KKT條件是求解有不等式約束優化問題的一種方法，可以理解爲是拉格朗日乘子法的一種泛化。當優化問題是凸優化時，KKT條件就是極小值點，同時也是全局最小值點存在的充要條件。若該問題不是凸優化問題時，KKT條件只是極小值點的必要條件，而不是充分條件，滿足KKT的點是駐點。
想要轉化爲極值點的充要條件，還需要附加一個正定條件。
關於凸優化，拉格朗日乘子法以及KKT條件的詳細說明，請參照拉格朗日乘子法和KKT條件這裏有相應的解釋和圖式說明。