问题标签 [cvxopt]

我有这个模型

其中c是 16x1 numpy 系数数组，G是12 x 16表示模型约束的矩阵，h是 12x1 数组。

从 cvxopt 文档中，我认为该模型应该实现为线性程序并使用 lp 求解器求解

但我收到此错误：

虽然使用 cvxopt 的 glpk 接口实际上工作顺利，它给了我很好的解决方案：

我怎样才能让 lp 求解器在 cvxopt 中解决这个问题？

我正在尝试结合cvxopt（优化求解器）和PyMC（采样器）来解决凸随机优化问题。

作为参考，安装这两个软件包pip很简单：

两个包都可以很好地独立工作。以下是如何解决 LP 问题的示例cvxopt：

但是，当我尝试将它与 PyMC 一起使用时（例如，通过对其中一个系数进行分布），PyMC 会出现错误：

我收到以下 PyMC 错误：

为什么？有什么办法可以很cvxopt好玩PyMC吗？

背景：

万一有人想知道，PyMC 允许您从您选择的任何函数中进行采样。在这种特殊情况下，我们从中采样的函数是将 LP 问题映射到解决方案的函数。我们从这个函数中采样是因为我们的 LP 问题包含随机系数，所以不能只应用现成的 LP 求解器。

更具体地说，在这种情况下，单个 PyMC 输出样本只是 LP 问题的解决方案。由于 LP 问题的参数不同（根据您选择的分布），PyMC 的输出样本会有所不同，希望得到后验分布。

上面的解决方案受到这个答案的启发，唯一的区别是我希望使用真正的通用求解器（在这种情况下cvxopt）

我需要将一个 scipy 稀疏矩阵转换为 cvxopt 的稀疏矩阵格式 spmatrix，并且还没有遇到任何东西（当然，矩阵太大而无法转换为密集矩阵）。任何想法如何做到这一点？

我想导入 CVXOPT 功能以在 Canopy python 编辑器中使用。据我所知，我已经成功下载了CVXOPT。我这么认为的原因是 CVXOPT 网站说“要测试安装是否成功，请转到示例目录并尝试其中一个示例”，我可以在命令行中执行此操作而不会出现任何错误。

但是，在我的 python 代码中，当我说

我收到一条错误消息，提示“没有名为 CVXOPT 的模块”。我认为问题一定很简单，但摆弄了一段时间并没有解决问题。有任何想法吗？

每当我在终端中运行 Python cvsopt 求解器时，它都会打印：

我可以静音这个消息吗？谢谢！

我想在 CVXPY 中生成一个（对角线）块矩阵（最好是稀疏的）。

有些块可以是eye(m)或任何东西，但我有一个块是：

然后我尝试将块对角矩阵形成W_diag为一个块，例如，通过：

我收到以下错误：

TypeError：不支持类型转换：（dtype（'float64'），dtype（'O'））

我能做些什么？其他方法？我想T稍后在 CVXPY 的约束中使用矩阵。

为 CVXOPT 提供的 QP 求解器解决了以下形式的问题（参见http://cvxopt.org/userguide/coneprog.html#quadratic-programming）：

这很好用，但是当想要通过两侧的不等式解决问题约束时会有点尴尬：

我可以将第二个问题重新定义为第一个问题，方法是将维度数加倍并要求new_x将其old_x堆叠在自身之上：

我想我可以通过为A. h1然后，我可以将和h2不等式编码到 中，方法new_G * new_x <= new_h是设置new_h为h1堆叠h2并new_G成为对角矩阵，其中n连续1s 后跟对角线上的n连续-1s。

无论如何，以上内容非常笨拙，它使我的问题的维度增加了一倍，甚至可能不起作用。

是否有更好的方式来表达 CVXOPT 中的第二个问题？

L1-范数正则化问题定义如下：

但在我的情况下，我想解决这种形式的问题，而不是通常的 L1 范数正则化最小二乘问题：

由于我的表 W 和 G 没有像 AI 一样的尺寸，因此无法更改我的变量并解决这样的问题

这样我就可以使用互联网上可用的求解器之一。所以我找到了一个解决上述L1平方问题的方程，如：

据我所知，如果我使用 -u <= W G x <= ui 可以解决问题。但我无法得到我应该完全适应代码的内容。任何人都可以帮忙吗？代码如下（取自CVXOPT）

任何人都可以帮忙吗？先感谢您

我正在编写内核匹配追求的代码。在那，我已经习惯了 cvxpy 进行凸优化。我必须最小化基于这篇论文的以下目标：http: //ieeexplore.ieee.org/xpl/articleDetails.jsp？ arnumber=6815769 ，代码如下：

但是，代码不起作用并抛出错误：不能将两个非常数相乘。我认为这是在“epirk”中将三个项相乘的问题。但是，我对此没有任何解决方案。请帮忙。

我需要在 Python 中使用 CVXOPT 或 CVXPY 解决优化问题，但我遇到了困难。目标函数是

受以下约束

其中向量x是优化变量，向量a和b是给定的，并且T是给定的标量。