问题标签 [nonlinear-optimization]

我有一个带有约束的非线性优化问题。它可以在 Microsoft Excel 中使用 Solver 加载项解决，但我无法在 C# 中复制它。

我的问题显示在以下电子表格中。我正在解决经典的 A x = b问题，但需要注意的是x的所有分量都必须是非负的。因此，我没有使用标准线性代数，而是使用具有非负约束的 Solver，最小化平方差之和，并得到一个合理的解决方案。我尝试使用Microsoft Solver Foundation或Solver SDK在 C# 中复制它。但是我似乎无法与他们取得任何进展，因为使用 MSF 我无法弄清楚如何定义目标，而使用 Solver SDK 我总是得到“最佳”状态和全 0 的解决方案，这绝对不是本地的最低限度。

这是我的 Solver SDK 代码：

我没有 Microsoft Solver Foundation 的任何代码，因为我认为目标函数不能写在一行中，并且它不允许像 Solver SDK 那样的委托。

我正在尝试使用参数（ ）优化一个函数（比如找到最小值）。所有's 都绑定到某个范围（例如to ），如果任何参数离开此范围，则函数会非常快地变为无穷大。但是，可能很大（从到大约）并且计算它的值需要很长时间。nXnXi-200200n2060-70

我不认为关于函数的细节有很大的相关性，但这里有一些：它由较小的函数（所有不同的）的加权和组成，20-30这些函数本身由倒数符号下的点积总和组成正弦函数（arcsin、arccos、arctan等）。类似的东西arcsin(X1 . X2) + arcsin(X4 . X7) + ...。

该函数通常具有许多局部最小值，因此（朴素）共轭梯度或准牛顿等方法是无用的。搜索整个域蛮力太慢了。

我最初的想法是结合遗传算法使用某种大规模并行化，该算法在函数域中的不同位置执行许多搜索，并定期检查某些搜索是否达到局部最小值。如果是，它比较它们并丢弃除最小的结果之外的所有结果，并继续搜索直到找到一个相当小的值。

我的两个问题是：

1）是否可以在 CUDA 或类似技术中实现这个问题？CUDA 能足够快地计算出这样一个函数的值吗？

2）在多核PC（12+核）上解决问题会更好/更快吗？

c++ 中有没有用于带约束的顺序非线性优化的好的库？

我正在寻找不等式约束和/或上限和下限。

对此已经有一个stackoverflow问题，但并非所有人都有限制。

我知道NLopt，但它不适用于我的具体问题。还有其他人吗？

如果其他人有兴趣，我终于找到了我正在寻找的解决方案lpOpt

Are there any libraries for sequential non-linear optimization with upper and lower bounds, as well as inequality constraints, that are written in or easily callable from Haskell?

我正在尝试使用极端优化例程在 C# 中创建风险平价投资组合。

在我购买它们之前，我主要是在试穿它们，看看我是否喜欢它们（我是学生，所以钱很紧）。

我的想法是实施这种称为风险平价的新型投资组合优化。它基本上说，为了使您的投资组合多样化，您应该为其每个组成部分赋予相同的风险。

运行 np1.Solve() 时出现空错误，我不明白为什么。我以为其他的一切都是由极限优化计算出来的。
1.我做错了什么？
2. 有没有一种我不知道的更快的方法来进行这种优化？
3. 如果你不知道 EO 库，但可以用 C# 中的其他东西来实现它，你能否就如何解决这个问题发表评论？

顺便说一下，投资组合构建的详细信息在距离函数的注释中，以防您感兴趣。

最好的问候，
爱德华多

我希望在我的 nVidia Geforce 上执行许多（数千个）小型优化工作。

对于小型工作，我的意思是 3-6 个维度和每个大约 1000 个数据点输入。基本上它是为了曲线拟合的目的，所以要最小化的目标函数是一个连续（非平凡）分析函数的平方和，我可以分析地计算它的一阶导数。每个维度都被限制在下边界和上边界之间。

这些工作唯一的共同点是原始数据系列，他们从中提取了不同的 1000 个数据点。

我怀疑这在我的 GPU 上会比现在快得多，在我的 CPU 上一个接一个地运行它们，所以我可以用它来进行实时监控。

但是，我见过的 GPU 库只专注于在 GPU 上计算单个函数评估（更快）。

在 nvidia CUDA 论坛上有一个关于我的特定问题的主题，有更多用户在寻找这个，但论坛已经关闭了一段时间。它提到将现有的 C 库（例如 levmar）移植到 CUDA 语言，但这迷路了......

您是否知道现有的库可以在 gpu 上并行运行许多优化？

谢谢！

我想在 matlab 中解决一个相当复杂的优化问题，我将它发布在 math.stackexchange.com 上，因为它支持 LaTeX 数学显示，

https://math.stackexchange.com/questions/210166/some-type-of-mixed-integer-nonlinear-programming-problem

如果有人能给我一些建议，我将不胜感激。

我试图找到向量β以最大化功能

受限于 (a)

(b) 的所有元素都 β应该是非负的，

withβ, μ是长度为 15 的向量，并且M是一个 15x15 的协方差矩阵（μ和M是给定的）。

关于Stefan Theussl 的 CRAN 页面上列出的哪些优化器最适合我的情况的任何建议？

我即将为实时应用程序编写一个算法，其中涉及一些高维 NLP（非线性规划）。

在实现之前，我需要对我的算法进行计时，看看它是否适用于实时应用程序，因此我使用 Matlab 的内置 fmincons 作为基线。

经验表明，matlab 算法的速度往往比 C++ 算法慢，所以我想估计在这种特殊情况下我可以期待什么样的性能提升？

由于我的工作主要与实时应用程序相关，因此我很少使用 NLP（非线性编程），所以我问了我的同事，他们建议我尝试 ipopt 作为开始，我在其网站上进行了谷歌搜索，那里没有针对 Matlab 的基准，也没有太多关于他们算法细节的话题（至少在Matlab中，不难检查他们的算法细节），所以我基本上对它的准确性/鲁棒性/最优性等知之甚少。

因此，这里有关 NLP 的 C++ 实现的任何帮助都会非常有帮助，在此先感谢。

我需要找到一种方法来解决具有 3 个参数的 Chapman-Richards。方程是

F=a(1-EXP(-bt)) power c

这是一个非线性问题。目标是最小化误差，约束是 3 个变量必须 >= 0.0001。我们当前的实现使用 Excel 和 Solver 插件（GRG 非线性方法）。但是现在，我们需要在不使用 Excel 的情况下实现这一切。

我的问题是： 1. 是否可以使用 MS Solver Foundation 来解决这个问题？我已经阅读了一些文档并了解 MS Solver Foundation 使用 Nelder Mead Solver 或混合局部搜索求解器来解决非线性问题。有谁知道我的特定问题是否可以使用这些方法解决？而且，结果是否与使用 Excel 的 Solver 插件的 GRG 非线性方法相同？

1. 如果没有，是否可以实现Excel Solver的GRG非线性方法？

2. 还有其他方法可以实现吗？

感谢您提前回复。卡尔

附录：对不起，我忘了说 t 是时间变量。a、b 和 c 是求解器可以更改的参数。