本文综述了利用拉格朗日对偶与原始-对偶学习求解约束优化的多项研究。PDL通过自监督模仿增广拉格朗日轨迹，约束违规极小；DIPL与DSL学习对偶可行解并提供质量证明；DeepLDE保证可行性与收敛。这些方法还应用于SLAM、最优潮流、持续学习和背包问题，兼顾效率与可行性。