3

我在CVXPY 建模语言中定义了一个大问题。我想解决一系列这样的问题——格式仍然相同，但参数（常量）不同。

我发现调用problem.solve()内部问题生成需要 20 秒，主要优化运行时间需要 0.2 秒。很多时候我想解决几十个类似的问题。

是否有任何用于 CVXPY 的工具，例如YALMIP 优化器或任何减少问题生成时间的可能性？

4

1 回答 1

8

就在这里。甚至在官方文档中也有解释。

参数

参数是常量的符号表示。参数的目的是在不重构整个问题的情况下改变问题中常数的值。

直接来自文档的示例（修改）：

from cvxpy import *
import numpy

# Problem data.
n = 15
m = 10
numpy.random.seed(1)
A = numpy.random.randn(n, m)
b = numpy.random.randn(n, 1)
# gamma must be positive due to DCP rules.
gamma = Parameter(sign="positive")                       # !!!

# Construct the problem.
x = Variable(m)
error = sum_squares(A*x - b)
obj = Minimize(error + gamma*norm(x, 1))
prob = Problem(obj)                                      # !!!

# Construct a trade-off curve of ||Ax-b||^2 vs. ||x||_1
sq_penalty = []
l1_penalty = []
x_values = []
gamma_vals = numpy.logspace(-4, 6)
for val in gamma_vals:
    gamma.value = val                                    # !!!
    prob.solve()                                         # !!!
    # Use expr.value to get the numerical value of
    # an expression in the problem.
    sq_penalty.append(error.value)
    l1_penalty.append(norm(x, 1).value)
    x_values.append(x.value)

那么它有什么作用

正如您所注意到的，优化问题的设置可能需要一些时间，因为它遵循 DCP 方法（通过构造证明凸性）。

使用parameter，此 DCP 处理只进行一次！每个新的解决方案只会改变问题中的一些小部分。尽可能精确地描述您的参数非常重要，这样 DCP 才能工作。示例：Parameter(sign="positive")。

你还有更多可以做的吗

也许。根据求解器的不同，如果您认为特殊猜测（例如上次迭代的解向量）是新问题的良好开端，您也可以使用热启动。

这将替换: prob.solve()with prob.solve(warm_start=True)，从而重新使用以前的解决方案作为开始（在此处解释）。手动定义这个向量似乎是不可能的（来自 cvxpy）。

可悲的是，据我所知，唯一支持此（在 cvxpy 中）的求解器是 SCS（其他人会忽略它而不会崩溃）！

于 2017-05-30T19:19:02.503 回答