二次规划（Quadratic programming），在运筹学当中，是一种特殊类型的最佳化问题。[编辑] 简介二次规划问题可以以下形式来描述：f(x) = (1 / 2)xTQx + cTx受到一个或更多如下型式的限制条件：Ex = dvT 是 v 的转置。如果Q是半正定矩阵，那么f(x)是一个凸函数。如果有至少一个向量x满足约束而且f(x)在可行域有下界，二次规划问题就有一个全局最小值x。 如果Q是正定矩阵，那么全局最小值就是唯一的。如果Q=0，二次规划问题就变成线性规划问题。根据优化理论，一个点x 成为全局最小值的必要条件是满足 Karush-Kuhn-Tucker(KKT)条件。当f(x)是凸函数时，KKT条件也是充分条件。当二次规划问题只有等式约束时，二次规划可以用线性方程求解。否则的话，常用的二次规划解法有：内点法(interior point)、active set和共轭梯度法等。凸集二次规划问题是凸优化问题的一个特例。[编辑] 对偶每个二次规划问题的对偶问题也是二次规划问题。我们以正定矩阵Q为例：L(x,λ) = (1 / 2)xTQx + λT(Ax ? b) + cTx对偶问题g(λ)，可定义为我们可用 : 得到L的极小x * = ? Q ? 1(ATλ + c),对偶函数：g(λ) = ? (1 / 2)λTAQ ? 1ATλ ? cTQ ? 1ATλ ? bTλ对偶问题为：maximize : ? (1 / 2)λTAQ ? 1ATλ ? (ctQ ? 1AT + bT)λsubject to :计算复杂性当Q正定时，用椭圆法可在多项式时间内解二次规划问题。当Q负定时，二次规划问题是NP困难的(NP-Hard)。即使Q 存在一个负特征值时，二次规划问题就是NP困难的。