问题标签 [quadratic-programming]

我有多个不相交的全局最优（不是 PSD）的线性约束 QP 问题。我想让 QP 求解器表征所有全局最优解。这是出现的这种情况的一个非常简单的示例：

这里，在 x 轴 [0.5,1] 上有一段连续的最优 (f=0) 解，在 y 轴上有另一段不连续的最优解。我已经用 NumLoc 和 NumSol 的高值向 BARON 提出了这个问题，但它似乎在找到单点解决方案后过早地放弃了。（尝试了 BARON，因为它似乎确实擅长在其他问题中找到多点解决方案。）

对于此类问题，是否有更好的方法或解决方案？

我正在将一些 MATLAB 代码翻译成 Python。有一条线给我带来了一些麻烦：

我在 MATLAB 中查找了文档，发现 quadprog 函数用于优化（特别是最小化）。

我试图在 Python 中找到一个类似的函数（使用 numpy），但似乎没有。

有没有更好的方法将这行代码翻译成 Python？或者还有其他可以使用的包吗？我是否需要创建一个完成相同任务的新功能？

感谢您的时间和帮助！

我有一个简单的问题。如果我只想使用下限和上限限制，如何使用 Scilab 的命令 qpsolve？

该命令可以这样使用：

但我想像这样使用它：

只有 ci 和 cs 应该解释向量 x 的限制。不幸的是，该命令不能为空 []。我应该将 [] 作为一或零的行向量吗？

https://help.scilab.org/docs/6.0.1/en_US/qpsolve.html

我正在设置一个简单的 QP 来测试 ROI R 包。但是，当它不受约束时，包不能为简单的玩具问题提供错误的解决方案。

例子，

看起来不错。但是当我解决我遇到的问题时，

那很奇怪。在相关说明中，当我使用 quadprog 求解器时，我能够获得不受约束的解决方案 (= 1)，但是由于其他原因，我不得不从使用 quadprog 切换到 qpoases。

任何帮助深表感谢。

编辑：

奇怪的是，这行得通，

我是 CVXOPT 的新手。我已经在 CVXOPT 文档中尝试了示例二次程序（带有 2 个变量），并且我能够理解它。现在我需要解决具有大量变量（例如：100 个变量）的二次规划问题。如何使用 CVXOPT 做到这一点？

我要解决的问题如下所示。

最小化

这样，

在这里，d(t)已知 t=(1, ...,100)。

x(t)对于 t=(1, ...,100) 是决策变量。  

干杯！！！ 

我正在尝试在 R 中执行投资组合优化（均值方差）。但是，我收到以下错误：

“solve.QP(Dmat, dvec, Amat, bvec, meq = 2) 中的错误：二次函数中的矩阵 D 不是正定的！”

我有四个约束：

1. 预期回报率为 4.8%
2. 权重加起来为 1
3. 无短路
4. 单项重量 <0.7

下面是我的代码：

输入数据是data.frame10,000 行（返回数据）和 10 列（资产）。

非常感谢您的帮助！！！

编辑：由于我不能使用solve.QP，我用ipop（kernlab）尝试了它，但我在正确设置参数时遇到了困难。我仍然需要 l、u 和 r。

我正在研究一个大型 CQP 问题，有 150 万个整数变量（实际上是连续松弛）和约 200 个二元约束（用于选择变量以使它们的总和为 [= | <] b）加上非负约束对于所有变量。我的 obj 函数是最小化 var 数组和另一个具有相同形状的数组（对应于前一个时间步长）之间的 de KL div - 所有变量的总和（以便分配可能的最大值）。

我已经尝试将 cvxpy 与 SCS 求解器（以及 Ecos、ecos_bb）以及 cvxopt、pull、scipy 一起使用……但我还没有找到一个合理且有效的解决方案。是否有任何求解器（希望是开源的）或方法可以相对轻松地解决此优化问题？

我正在尝试使用 cplex 解决以下线性程序：

当我打电话给solve()Cplex 时会抱怨错误消息CPLEX Error 1017: Not available for mixed-integer problems。如果我删除上面的二次目标，而是通过取消注释上面的代码行（obj = [1.0] * len(self.params),）来添加一个线性目标，它可以正常工作。

堆栈跟踪：

为了更好地了解这里发生了什么，当目标是二次的时，我试图最小化一些误差项的平方和。当目标变为线性时，我将最小化这些项的绝对值之和。名称开头的变量e是误差项，ls 将通过这些约束成为它们的绝对值：

在存在二次目标的情况下，这些l<index>变量实际上是无用的。

还有其他线性约束，我不能在这里包括，但由于以下两个原因，它们绝对不是问题的原因：

1. 线性物镜在它们存在的情况下可以正常工作
2. 当我使用二次目标将它们注释掉时，我仍然得到同样的错误。

我在这里想念什么？

我是优化新手，一直在努力求解线性方程 Ax + By = C 中的变量 x 和 y，而 y 受 x 的解约束。问题的一个例子可以是：

求解x等y，Ax +By = C约束x为非负且-0.7*x0 < y0,y1 <0.7*x0, -0.7*x1 < y2,y3 <0.7*x1... ( -0.7x[i] < y[2i],y[2i+1]<0.7x[i] )

如果有人可以向我推荐一个解决此问题的 python 包，或者以某种方式将我的问题转换为可以直接使用 Scipy.optimize 等库解决的更传统的格式，我将不胜感激

我正在尝试用 Python 解决线性编程问题。Ling 程序未能找到解决方案。但是四边形程序有效。我不明白为什么，我不确定我在 linprog 和 quad 程序中的程序表述是否等效。

下面是班轮编程问题、我的代码和来自 linprog 的错误消息。

代码

来自 linprog 的错误消息失败

您可以安装quad程序

有关使用 quadprog 的示例，请参见