Fatal编程技术网
  • optimization/
  • Optimization 使用CVXOPT的大变量二次规划

Optimization 使用CVXOPT的大变量二次规划

optimization

Optimization 使用CVXOPT的大变量二次规划,optimization,cvxopt,quadratic-programming,Optimization,Cvxopt,Quadratic Programming,我是CVXOPT的新手。我已经在CVXOPT文档中试用了（带有2个变量），并且我能够理解它。现在我需要解决一个具有大量变量（例如：100个变量）的二次规划问题。如何使用CVXOPT实现这一点 我想解决的问题如下所示 最小化 Σ [ d(t) + x(t) ]²        ; t=1, ....., 100 这样, 0 <= x(t) <= 10 Σ x(t) = 600 0我不需要解决这个问题： 0 <= x(t) <= 10 sum(x(t)) = 2000

我是CVXOPT的新手。我已经在CVXOPT文档中试用了（带有2个变量），并且我能够理解它。现在我需要解决一个具有大量变量（例如：100个变量）的二次规划问题。如何使用CVXOPT实现这一点

我想解决的问题如下所示

最小化

Σ [ d(t) + x(t) ]²        ; t=1, ....., 100
这样,

0 <= x(t) <= 10

Σ x(t) = 600

0我不需要解决这个问题：


0 <= x(t) <= 10
sum(x(t)) = 2000



0cvxpy可能更容易一些：


import numpy as np
import cvxpy as cvx

N = 100
d = np.random.uniform(-500,500,N)

x = cvx.Variable(N)
prob = cvx.Problem(cvx.Minimize(cvx.norm(x+d)), [x >= 0, x <= 10, sum(x) == 600])
prob.solve()
print(prob.status)
v = x.value
print(v)



对不起，我只是增加了一些价值，没有太多的担心。现在编辑到600。谢谢你的回答。但是，我需要通过CVXOPT解决它。

optimal
[[  3.65513295e-09]
 [  4.89791266e-09]
 [  3.05045765e-09]
 [  9.99999999e+00]
 . . .
 [  1.00000000e+01]
 [  2.85640643e-09]
 [  5.42473434e-09]]