Question

我是CVXOPT的新手。我已经在CVXOPT文档中试用了example quadratic program（带有2个变量），并且能够理解。现在我需要解决一个包含大量变量（例如100个变量）的二次编程问题。如何使用CVXOPT执行此操作？

我要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

在这里，d(t)的已知值是t =（1，...，100）。

x(t) for t =（1，...，100）是决策变量。

干杯！！！

Answer 1

我不需要求解器。

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

与T=100一起使用

是不可行的。有了这些界限，总和将在0到1000之间。

Answer 2

cvxpy可能会容易一些：

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)

这给

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

使用CVXOPT对大量变量进行二次编程

2 个答案: