问题标签 [nlopt]

我猜每个 NLOPT 算法都有不同的尺度。我对 Global Optimizer ISRES 和 Local Optimizer COBYLA 更感兴趣。他们的最大限制是多少？谢谢！

我使用 Visual Studio 2015 上的NLOPT库来解决涉及多参数目标函数和梯度向量的优化问题。缩短的代码如下所示：

使用NLOPT_LD_LBFGS& 调用boost::math::digamma()-function 会产生以下错误：

boost::math::digamma(1.0 + 1.0/x[0])如果我更改为etc ，则不会出现此错误boost::math::digamma(1.0 + 1.0/5.4)。因此，当我取出参数 x[0] 时，它工作正常。当我使用另一个boost::math-function 时会发生同样的错误，但如果我使用它的std::-counterpart 则不会。

问：为什么我不能将boost::math-functions 应用于优化的参数？是否有另一种方法来包含digamma()- 函数（除了使用它的泰勒近似）？

谢谢你的帮助。我可以提供更多细节，但代码很广泛，我想我已经过滤掉了手头的问题。 编辑：main()调用上面的函数。

我们正在运行退出一个大的 Python 代码来随机扫描一些物理模型的参数空间（所以，很难给出一个最小的例子，对不起）。评估一个参数点大约需要 300 毫秒，但有时（我不知道为什么）评估突然需要几个小时，这会耗尽我们在计算集群上的 CPU 预算。

因此，我的想法是使用线程来为参数点的每次评估提供最大的运行时间。如果评估需要更长的时间，那么我可以忽略这一点，因为它是不物理的。现在，这似乎不起作用。我在一个新线程中开始计算，将其连接到主线程，超时设置为 1 秒，但主线程仍然继续等待计算终止（这需要比 1 秒长得多的时间）。

这怎么可能？线程如何测量新线程已经运行的时间？不得不说，在评估一个参数点的过程中，我大量使用了 nlopt、numpy 和 scipy。正如我所假设的，其中大部分不是直接用 python 编写的，而是使用一些二进制文件来加速计算。这会影响线程吗（因为函数对它来说是“黑匣子”）？

谢谢！

我正在使用nloptC++ 接口来解决非线性优化问题。

但是，我希望最后一行继续优化，不仅使用最后一个params值，还使用step_size最后使用的值，但我认为我无法访问该值。

我怎样才能实现这样的目标？

我用一个简单的 10D 二次函数对 SLSQP 算法进行基准测试：

c++函数是：

令我惊讶的是，SLSQP 对于这个简单的函数失败了，但是如果我将算法切换到nlopt::LD_LBFGS，nlopt 仍然有效地优化了函数。

谁能解释一下为什么 SLSQP 在这个演示功能上失败了？

NLOPT 的版本是 2.4.2（由 给出nlopt::version），下面是完整代码：

我在 NLOPTR 中使用SLSQP函数来构建使用 34 只低波动性股票的投资组合。股票并不重要。我想要做的是能够对每只股票施加最小重量和最大重量。

hin 函数施加了最小权重约束——从这里可以看出——在投资组合的构建中每个权重必须至少为 1%；这可以通过“（x - 0.01）”看到

我不知道现在如何为函数添加最大约束（比如每只股票最大重量的 15%）以及具有最小约束。因此将具有最小 1% 和最大 15% 的权重约束。

有人可以帮我创建一个最小和一个最大约束。

我运行优化的代码如下：

考虑以下数据框：

有以下优化问题：

其中 a_i 是矩阵 A 的第 i 行。

我试图用包解决这个问题nloptr。首先是目标函数：

然后是约束：

但是我尝试过的所有求解器都需要梯度，例如：

是否可以计算这个函数的梯度，或者有其他方法可以解决这个问题吗？

谢谢你。

我难住了。我在 R 中为 NLOPT 制定了一个问题。当前问题解决了 180 个变量和 28 个等式约束

该代码是从问题的更简单版本中重新使用的，在我的脚本的早期版本中，具有 36 个变量和 20 个等式约束，可以立即解决，NLOPT_LD_SLSQP用作算法。

使用 180 个变量的较大版本的问题会立即产生以下结果NLOPT_LD_SLSQP：

这让我感到困惑，因为它适用于问题的较小版本。同样，它返回起始值并且实际上并没有完成任何迭代。所以我实现NLOPT_AUGLAG_LD_EQ了，作为主要算法，NLOPT_LD_SLSQP作为局部算法。现在问题无法解决并产生：

如果我降低公差，它只会更快地失败......我将玩具问题放入 Excel 中，看看我是否未能正确制定或者它是否不可行，但它立即解决了。如果你愿意，我可以给你这个文件。我取了 Excel 解决方案值并在 R 中填充了函数，果然我的约束和目标函数似乎很好。

我想知道是否有人可以帮助我解决这个问题。以下是一些代码，将为 R 中的任何人产生问题（经过测试和确认）：

现在这里是用 SLSQP 解决的代码：

这是使用 AUGLAG 解决的代码：

最后但并非最不重要的一点是，这是 Excel 生成的可行解决方案：

我的问题是：为什么该模型会为示例代码中实现的每个 SLSQP 和 AUGLAG 算法产生我在此处报告的错误？

会喜欢这里的一些输入。如果您需要任何其他信息，请告诉我！

我需要最小化H以下等式：

H矩阵在哪里3x3。
Pn 是3x1矩阵（点）。
Euclidean()给出 2 点之间的距离。
Dn是实际距离。

我有一个初始估计H和m点（P0 到 Pm）
，我需要优化值，H以使所有m点的误差最小化。（表达式中的所有值都是已知的）我如何使用opencv或dlib（或使用 boost/NLopt）来实现它。

我正在使用 'nloptr' 在 r 中优化一个简单的函数，但我很难将参数传递给目标函数。这是我正在使用的代码：

res <- nloptr(x0=Wghts,eval_f = pf.vol,eval_g_ineq=pf.return,opts=list(algorithm="NLOPT_GN_ISRES"), x=Wghts,C=Correl)

（我知道我在这里缺少参数，但我试图突出我不理解的行为）运行它会产生以下错误：

Error in .checkfunargs(eval_f, arglist, "eval_f") : x' passed to (...) in 'nloptr' but this is not required in the eval_f function.

只是想看看会发生什么，我可以尝试在没有 x 参数的情况下运行它：

res <- nloptr(x0=Wghts,eval_f = pf.vol,eval_g_ineq=pf.return,opts=list(algorithm="NLOPT_GN_ISRES"), C=Correl)

这给出了错误：

Error in .checkfunargs(eval_g_ineq, arglist, "eval_g_ineq") : eval_g_ineq requires argument 'x' but this has not been passed to the 'nloptr' function.

因此，包含x会引发一个不必要的错误，而忽略它会引发一个（至少可以理解的）错误，它已被省略。