问题标签 [cvx]

我正在尝试最小化以下类型的函数：

在 MATLAB 中使用 CVX，CVX 输出“Status: Unbounded Optimal value(cvx_optval): -Inf"

这是不合理的，因为它是一个强凸函数。知道为什么我会得到这个以及如何解决它吗？

例如，为了获得这种类型的输出，我运行了一个简单的示例：

现在我正在尝试为这个最优问题添加一个松弛变量：http: //ask.cvxr.com/t/why-does-the-optimal-value-become-nan-sometimes/6035

这是我在本网站https://yalmip.github.io/debugginginfeasible/中添加 slack 变量第 6 节的参考

这是该网站的松弛代码。有些事情我不明白。

我对这个例子的问题是：

1. 如果我有三个约束，我是否需要产生三个松弛变量？

2. 我还需要构建 Constraints = [slack2>=0] 吗？

3. 他的示例代码中的“某事”是什么意思？它是一个值、一个向量、一个矩阵还是一个公式？

4. 我如何定义 N？在一个约束中，不仅有一个向量，还有另一个向量，有些向量可能是 5 x 1，有些可能是 4 x 1，所以我不知道我应该为 N 假设什么值？

下面是我的代码，我不认为这是正确的，除非我知道我问的问题的解释，NI假设是4，因为我只有一种向量；4乘1矢量

我的最佳问题代码和公式如下

我想为 E 最优性设计标准实现凸松弛，即：通过定义 优化问题将是

我已经使用这个函数在 Matlab 中实现了

不幸的是，在启动该功能时，出现以下错误：

这似乎是导致问题的 CVX 中的最小化 -lambda_min。会是什么呢？谢谢

我一直在研究一些示例代码，试图学习 CVX 并旋转我的轮子，试图找出 CVXR 中凯利示例的扩展：

“扩展：正如在上面的一些轨迹中所观察到的，财富在最终增加之前往往会大幅下降。降低这种回撤风险的一种方法是添加凸约束，如 Busseti、Ryu 和 Boyd (2016, 5.3) 中所述CVXR，这可以使用 log_sum_exp 原子在一行中完成。其他扩展，如财富目标、投注限制和 VaR/CVaR 界限也很容易合并。

CVXR 示例的 R 版本（不带扩展名）在这里：https ://cvxr.rbind.io/cvxr_examples/cvxr_kelly-strategy/

这完美地工作。

带有扩展名的 python 版本（来自参考文件）在这里：https ://github.com/cvxgrp/kelly_code

“有限结果 RCK 问题 (11) 可以在 CVXPY 中表述和解决为”

在具有上述公式的 R 中，lambda_risk 和 risk_constraints 应如下所示：

但是，这会导致 CVXR::psolve(a, b, ...) 中的错误：问题不遵循 DCP 规则。

真的

错误的

错误的

凸的和未知的

积极和未知

所以看起来最终的日志是取消它的资格。

如果我用原始迭代的实际结果“赌注”替换变量 b，它确实说 is_dcp TRUE

真的

可能是因为这个未回答的帖子（相同的基本问题） 凸函数的 Log_sum_exp 不符合 dcp 吗？ 建议CVXR::log_sum_exp“无法推导出log_sum_exp的凸性”，可能是因为它不识别变量的符号？

如果有一个 R 错误，而不是我的代码中缺少的东西，我会感到惊讶。

此外，将 lambda_risk@value 设置为零，它应该只返回直接的 Kelly Optimal 赌注。如果我用数字 0 覆盖变量 lambda_risk，我只会得到这个结果。

真实与真实

错误的

我难住了。

到处都有可用的 python 解决方案，而且我也得到了我上面尝试的公式，可以在 DEOPTIM 中工作（在相当长的时间内），所以我没想到 CVXR 实现会那么棘手。任何追求的途径，甚至只是确认有人让它工作（不是错误），都会受到赞赏。

我有以下目标函数：

我不确定如何在 cvx 中编写它。

这是我的尝试：

但是，当我尝试解决 N 趋于无穷大时，它给了我与无限时间范围情况不同的解决方案，即

我正在尝试使用线性约束进行一些二次优化CVXR。我有以下矩阵R：

然后，我尝试构建一个DCP符合规则集的表单：首先定义x = Variable(num_vars)，然后编写 fnc <- t(x) %*% HL %*% HL %*% x，甚至是y <- HL%*%x, 和fnc <- t(y)%*%y。根据DCP 规则集（参见二次形式部分），这应该被识别为凸的。但是，当我将源代码加载到R中时，我得到

形成非凸表达式（仿射）*（仿射）

如何解决这个问题？我需要CVXR能够将我的功能识别为“遵循 DCP 规则”。

假设在CVXR我有一个定义A <- Variable(3,3) 并且想要最大化函数“非对角元素的平方根之和”。但是，如果我写类似的东西 sum(sqrt(A))-sum(sqrt(diag(A)))，第一个函数是凹的，但第二个也是，这不符合，DCP Ruleset因此被CVX引擎拒绝。然而，很明显这个函数是凹的——我们只是简单地删除了总和中的一些元素，没有办法说“请考虑非对角元素”。可以做什么？

我正在尝试使用有纪律的凸规划（CVX）来解决 Matlab 中的一系列优化问题。但我不断收到错误

我尝试用两个不等式约束替换等式约束，但问题仍然存在。

对于某些参数值，这个问题消失了，问题也成功解决了，但我一直没能找出规律。

任何帮助解决此问题或了解导致此问题的原因将不胜感激。

我正在尝试设置“mosek_param”设置，但是出现错误。例如，对于以下情况

来自https://docs.mosek.com/9.0/toolbox/parameters.html --> 我试过了

但是，遇到错误....评论部分有效。

当我在 Matlab 中工作时 --> 使用

对我来说效果很好。但是，在目前的情况下不起作用。此外，我能够设置精度如下

但是，现在不能这样做。是否有另一种方法可以在 cvxpy 中完成这两项工作？谢谢你。

PS：这个问题也发在CVXPY论坛--> https://groups.google.com/forum/#!topic/cvxpy/MEAewGMlqjI

下面是一个例子

这给了我错误。我也尝试使用 'MSK_IPAR_INTPNT_SOLVE_FORM' = 'MSK_SOLVE_PRIMAL' 但无济于事。

大家好，我对优化很陌生。解决这个问题的最佳方法是什么？我已经使用 cplex 来解决这些问题。任何人都可以指导我使用matlab找到可能的解决方案。我在 Cplex 中使用的代码

dvar float avgrate; maximize avgrate;
subject to{

forall (i in V) avgrate <= (1/n)*(sum (a in N)((b[i][a]) * (log(1+((P*h0) / (sig*((H*H)+((x[i][a]-y[a])*(x[i][a]-y[a])) ) ) ) )))); forall (a in N) sum (i in V) b[i][a] <=1;}