2024-04-29 07:36:07 发布
网友
我正在用python cvxopt解决一个凸优化问题。在
我知道我可以使用Gx <= h约束添加下界和上界。然而,这增加了问题的维度。除此之外,在求解过程中的场景中,我的决策变量变为负值。在
Gx <= h
考虑到所有基于cvxopt的解算器的可用api,除了使用您所描述的约束之外,没有其他方法。请记住,给定这些解算器,在圆锥优化器的基础理论中没有显式的边界处理(仅限内点方法)。另外:这些约束非常稀疏,与稀疏比/模式相比,维数是一个可以忽略的因素。在
这当然与单纯形解算器(边界的显式处理)不同。{glek/solvek也是这样的。在
)我不明白你的最后一点。也许说得更清楚些!)在
考虑到所有基于cvxopt的解算器的可用api,除了使用您所描述的约束之外,没有其他方法。请记住,给定这些解算器,在圆锥优化器的基础理论中没有显式的边界处理(仅限内点方法)。另外:这些约束非常稀疏,与稀疏比/模式相比,维数是一个可以忽略的因素。在
这当然与单纯形解算器(边界的显式处理)不同。{glek/solvek也是这样的。在
)我不明白你的最后一点。也许说得更清楚些!)在
相关问题 更多 >
编程相关推荐