问题标签 [non-convex]

如何将具有自相交的多边形分解为一组简单多边形？

输入多边形 P = {p1, ... pn} 由具有 CCW 方向的 n 个顶点的集合给出。我想对一组 m 个多边形 P1，...，Pm 执行分解。

从交叉路口到下一个路口的路段简单步行不会带来任何效果；有 2 个线段具有相同的起点，由交点表示。

可能，一些词典排序的边缘可能会有所帮助......

In my model, first I calculate the number of ports in which ship drop the cargo

Then I want to use this number as the index of "t",in the form of

I'm faced with

error:5002 q1 is not convex

How I can solve this problem?

我有一个代码，在某些时候我得到一组二维二进制 numpy 数组来表示主要是椭圆和圆的对象（细胞核）

我需要一个关于边缘有多粗糙（锯齿状）的度量。病理学文献中有核轮廓指数：周长/ sqrt（面积）这是有效的，但在我们的例子中，我们特别需要看看周长有多“粗糙”。椭圆和圆形的核轮廓指数是不同的，即使它们都有光滑的边缘。在我们的例子中，一个带有粗糙边缘的圆比一个带有光滑边缘的椭圆更重要。

我考虑过使用此处解释的凸包：我认为在这种情况下，对于许多小凹度（这对我们来说是重要的情况）和一个主要的凹度（这不是那么重要）来说，度量是否相同，就像图片中一样以下。

我也尝试过openCV，但是我发现很难从数学上理解那里实际发生的事情，它看起来非常像skimage凸面外壳，我更愿意坚持使用skimage

我正在尝试优化功能objective。

full_constr_data由 6 类目标组成，每个目标按年份划分，每年由基于项目的数据表示。因此，我通过functionfull_constr_data的参数对项目进行加权，例如意味着“目标 #0，年份 #2，项目 #3 的加权结果存储在变量中。xobjectivefull_constr_data[0][2][3] * x[3]x[3]full_constr_data_weighted

下一步是对full_constr_data_weighted. 例如，将目标 #0、第 2 年的所有项目相加：

full_constr_data_weighted[0][2][0] + full_constr_data_weighted[0][2][1] + ... + full_constr_data_weighted[0][2][n]

其中'n' - 项目总数。数据存储在变量中full_sum。

之后，我正在计算概率。我从变量中取分位数，constr_mod并根据该值计算超过分位数的概率。constr_mod并且full_sum具有完全相同的结构，但是对于每个目标 # 和接下来的一年 #constr_mode包含一个值，同时full_sum具有值​​向量（分布）。计算出的概率存储到变量my_prob中。

最后，我总结了my_prob. 我必须优化这个总和：使其尽可能大（注意return语句中的减号）。

优化问题有一个不等式约束：obj加权向量的总和x应大于 1000。解释obj为每个项目的 NPV。

我使用diffev2from package mystic。

变量full_constr_data, constr_mod, pen_mult,obj存储在my_data.spydata file:通过 Google Drive 下载

不幸的是，优化没有收敛：

有什么建议可以解决这个非凸问题吗？

首先，我是优化的菜鸟。我有以下问题：

我有优化vector x=(x1, x2, x3, x4, x5, x6)。成本函数为：

min. (x3+x4)/x6

约束是：

我最大的问题是为这个问题找到一个合适的解决方案。我已经找到了 Boyd 的分数线性规划的概念：https ://web.stanford.edu/~boyd/cvxbook/bv_cvxslides.pdf (4-20)

但是，它需要线性约束。我还发现了解决二次等式约束问题的启发式方法：https ://pdfs.semanticscholar.org/6008/57c54df025e732238425cf55f55997b4a67c.pdf https://web.stanford.edu/~boyd/papers/pdf/qcqp.pdf

但是，我认为它们不适合将它们与线性分数规划结合起来。

如果有人能提到这个问题的任何解决方案，我会很高兴。

最好的问候狮子座

我试图对不同随机点周围的约束进行线性化，并以最低的成本获得结果。但是，该解不能满足二次等式约束。

我正在将 MINLP 与 NEOS 求解器一起使用，我的问题是非凸的，我明白了

这是什么意思，我该如何解决？

我正在尝试使用 Mystic 最大化受不平等约束的目标，但我正在努力了解如何应用惩罚约束。这个问题是非凸的，涉及最大化目标，其中只有一个变量会改变 (x)。我正在尝试 Mystic，因为我听说它有利于大规模优化，并且 x 是一个包含数百万个项目（大小 N）的一维数组。

存在三个由数字 a、b 和 c 组成的一维数组，它们都有 N 个值（a 和 b 中的值在 0-1 之间）。x 中的每一项都将大于 >= 0

我已经看到了使用generate_penaltyandgenerate_constraint函数的示例，并认为我可以使用以下方法实现约束，但没有成功：

一般来说，任何关于如何应用惩罚约束的建议或使用 Mystic 的建议都会受到赞赏。Github 上有很多例子，但很难看出哪一个适合借鉴。我已经使用 SLSQP 实现了 Scipy 最小化的解决方案，但它在所需的规模上太慢了。

我正在尝试使用 Pytorch 进行非凸优化，试图最大化我的目标（因此在 SGD 中最小化）。我想绑定我的因变量 x > 0，并且我的 x 值的总和小于 1000。

我认为我已经以斜坡惩罚的形式正确实施了惩罚，但我正在努力解决 x 变量的边界问题。在 Pytorch 中，您可以使用设置边界，clamp但在这种情况下似乎不合适。我认为这是因为 optim 需要在引擎盖下释放渐变。完整的工作示例：

任何关于如何强加边界的建议都将受到赞赏，无论是使用钳位还是其他方式。或者一般建议使用 Pytorch 进行非凸优化。这是我正在解决的问题的一个更简单且按比例缩小的版本，因此如果可能的话，我试图找到一个轻量级的解决方案。我正在考虑使用一种解决方法，例如使用指数函数转换 x 变量，但是您必须缩放函数以避免正值变为无限，并且我希望能够设置约束具有一定的灵活性。

我正在寻找支持复杂变量（具有实部和虚部的变量）和非线性问题的 Python 优化建模库，例如 CVXPY 和 Pyomo。CVXPY 支持复变量，但不支持约束的非线性函数。另一方面，Pyomo 可以支持非线性问题，但不支持复变量。

总之：我正在研究一个带有一些复杂变量的大规模非线性和非凸优化问题，我正在寻找类似 cvxpy 来解决这些类型的问题。

有什么建议么！谢谢

我正在尝试实现一种外部惩罚函数方法来最小化以下问题。

最小 f(x)=100*(x(2)-x(1)^2)^2+(1-x(1))^2

st, x(1)+2x(2)<=1

2x(1)+x(2)=1

首先，我找到了最小的 using fmincon，答案是x:array([ 0.4149, 0.1701])和f(x)=0.34.

然后我试图使用我的外部惩罚函数方法的实现来找到最小值。我正在使用这个惩罚函数：

F(x,a)=f(x)+a*(x(1)+2*x(2)-1)^2+a*(2*x(1)+x(2)-1)^ 2

与起点x_0=[1,1], a=10(在每次迭代中 a= a^2) ，这给了我x:array([ 0.3333, 0.3333])和f(x)=5.3.

我的实施中的错误在哪里？谢谢。