从CVX到CVXPY或CVXOPT

时间:2015-06-04 15:02:02

标签: python matlab cvxopt cvx cvxpy

我一直试图将一些代码从Matlab传递给Python。我在Matlab上有相同的凸优化问题但是我在将它传递给CVXPY或CVXOPT时遇到了问题。

n = 1000;
i = 20;
y = rand(n,1);
A = rand(n,i);
cvx_begin
variable x(n);
variable lambda(i);
minimize(sum_square(x-y));
subject to
    x == A*lambda;
    lambda >= zeros(i,1);
    lambda'*ones(i,1) == 1;
cvx_end

这是我尝试使用 Python CVXPY

import numpy as np
from cvxpy import *

# Problem data.
n = 100
i = 20
np.random.seed(1)
y = np.random.randn(n)
A = np.random.randn(n, i)

# Construct the problem.
x = Variable(n)
lmbd = Variable(i)
objective = Minimize(sum_squares(x - y))
constraints = [x == np.dot(A, lmbd),
               lmbd <= np.zeros(itr),
               np.sum(lmbd) == 1]

prob = Problem(objective, constraints)

print("status:", prob.status)
print("optimal value", prob.value)

尽管如此,它还没有奏效。你们有谁知道如何让它发挥作用?我很确定我的问题出在约束中。使用CVXOPT也很好。

1 个答案:

答案 0 :(得分:5)

我想我得到了它,我有一个约束错误=),我添加了一个随机的种子数,以便比较结果和检查两种语言实际上是相同的。我把数据留在这里,所以也许有一天这对某些人有用;)

<强> Matlab的

str/

<强> CVXPY

rand('twister', 0);
n = 100;
i = 20;
y = rand(n,1);
A = rand(n,i);
cvx_begin
variable x(n);
variable lmbd(i);
minimize(sum_square(x-y));
subject to
    x == A*lmbd;
    lmbd >= zeros(i,1);
    lmbd'*ones(i,1) == 1;
cvx_end

CVXOPT 正在等待.....