Question

我尝试使用cvxopt优化以下2d线性程序：

A = np.array([[1, 0],
              [1, 0],
              [0, -1],
              [0, 1],
              ], dtype=np.float)
b = np.array([2,
              4,
              1,
              1,
              ], dtype=np.float)
c = np.array([-1,0])

A = matrix(A)
b = matrix(b)
c = matrix(c)

sol = solvers.lp(c,A,b)
print sol

本质上，它是一个对正x，正y和负y有约束的框，在正x上有一个冗余约束，在负x上没有约束。我得到的输出是：

{'status': 'dual infeasible', 
 'dual slack': None, 
 'iterations': 5, 
 'residual as primal infeasibility certificate': None, 
 'relative gap': None, 
 'dual objective': None, 
 'residual as dual infeasibility certificate': 3.039926013128332e-09, 
 'gap': None, 's': <4x1 matrix, tc='d'>, 
 'primal infeasibility': None, 
 'dual infeasibility': None, 
 'primal objective': -1.0, 
 'primal slack': 5.32208560659015e-09, 
 'y': None, 
 'x': <2x1 matrix, tc='d'>, 
 'z': None}

问题在于LP在负x方向上是无界的，因此原始目标应该是无穷大。我不确定为什么cvxopt会以同样令人困惑的-1.0最佳点返回(-1.0, 0)作为原始目标。

有没有办法让cvxopt告诉我解决方案是无限的？

使用无限制的解决方案运行cvxopt

0 个答案: