问题标签 [quadratic-programming]

我正在开发一个程序，该程序应该计算二次函数的根并输出它的根。但是，输出并不是所有情况下都应如此。当它应该没有解决方案或微不足道时，它输出为-nan(ind). 当它应该有一个解决方案时，它会输出x1 = -nan(ind)和x2 = -inf. 我不太确定为什么会这样，我真的可以使用一些帮助。这是我的代码：

我试图不让“a”的用户输入为 0，因为这会导致等式除以零，从而输出错误，我将能够有一个 println 说你不能除以零，如果用户为“a”输入 0 这是我的代码，我不确定我做错了什么，我还是新手，只需要帮助：

我有一个由 HessianH和向量定义的二次规划问题c。这个问题在参考文献中使用 Matlab 的quadprog函数解决

lb和ub是具有与 相同长度的下界和上界的向量c，并且init无论如何都被忽略，因为opts将算法定义为interior-point-convex。

我从每个参数都有下限和上限（0 和 Inf）的问题来理解这一点，但它们之间没有进一步的线性约束。

我现在想在.NET 中解决这个问题。我第一次尝试在 MS Solver Foundation 中实现它，但他们对所有东西的具体表示法让我头疼，所以经过更多搜索后，我发现它NMath有一个实现，所以我试了一下。

我首先定义了问题

这n是 中的行数H，也就是要求解的变量数。对于每个变量，我都添加了界限。 H并c包含与 Matlab 中相同的值。

我现在定义了求解器和求解器选项（基于 NMath 教程中的一些值）

并使用调用求解器

这会引发异常

有内在的Division by Zero例外。

如果这是唯一需要考虑的事情，我会假设我在Hor中有问题c，但 Matlab 可以毫无问题地解决这个精确模型的事实让我有点不知所措。

两种型号的区别在哪里？在 Matlab 中，参数 A、b、Aeq 和 beq 设置为 [] 的事实意味着不等式和等式约束都不存在，因此不为 NMath 模型设置任何约束是有意义的。

有人指出我哪里出错了吗？

示例值（NMath 表示法）

Matlab 给出解值：

有谁知道如何在 R 中实现回归，我们的目标是最小化残差的平方和，因为所有残差都是非负的，并且对系数有限制？具体来说，我在询问具有二次项的单变量回归，其中 b_0 <=0，b_1>=0 和 b_2>=0。

我能够解决类似的问题，目标是使用 lpSolve 包最小化残差总和。在 R 中求解平方和似乎要困难得多。有什么想法吗？

交叉验证也提出了问题：

https://stats.stackexchange.com/questions/272234/restrictions-on-residuals-and-coefficients-in-regression-dfa

我对 scipy 比较陌生，我正在寻找指导。我有一个形式不受约束的最小化问题：

其中 a 和 b 是系数，x 是未知向量（可以是不同的长度）。我想知道如何使用python解决这个问题。我浏览了scipy 参考指南，但找不到答案。

谢谢

我想解决一个超定系统，Ax=b其中A是一个(m x n)矩阵（带有m>n），b是一个(m)向量并且x是未知数的向量。我还想用lband绑定解决方案ub。

给出以下程序： (QP)minimize transpose(x).D.x+transpose(c).x+c0subject to Ax⋛b,l≤x≤u

我想知道如何计算矩阵 D 和向量 c。因为矩阵 D 必须是对称的，所以我将其定义为D=transpose(A).A和。我的问题是：这种表示是否正确？如果不是，我应该如何定义 D 和 c？cc=-transpose(A).b

我想解决 Ax=b 形式的超定系统，同时限制 x 向量。为此，我使用了 CGAL 的二次编程库，但是，我想知道是否有办法让求解器x0对解决方案进行初步猜测，因为我有一个工作集并且我想对其进行优化。

我在 R 中查看了一些不同的优化方法来解决我的优化解决方案，但似乎所有算法都不适用于我的问题。我有以下问题：

我也有一个使用 optim 的方法，但是这个使用矩阵形式。我的问题是如何使用这种优化，因为他们的算法通常的优化公式，如 quandprog 可能不起作用。我应该研究不同的方法吗？

谢谢你的建议！

编辑：

这是我迄今为止尝试过的新代码：

问题是我收到错误 Error in conf$c : $ operator is invalid for atomic vectors。

那是因为 NlcOptim 使用 $ 来调用任何东西吗？

我提供了我在这里使用的简短示例数据：

该示例在 Dataframe 测试中。问题与solnp一起出现，所以我将编辑上面的公式。

我想最小化受一组线性和二次约束的二次目标函数。

二次目标函数是不定的（非凸的）。二次约束是半正定的（凸的）。变量是连续的。

我可以用 Gurobi 或 CPLEX 处理这个吗？哪一个是更好的选择？

我阅读了一些关于使用 quadprog 进行投资组合优化的文章，并从这个平台学到了很多技巧。现在我正在尝试在约束下使用 quadprog 优化 03 只股票的投资组合，即。

• 权重之和必须为 1
• 不卖空
• 投资组合回报 = 2%
• 每个库存重量不得超过总重量的 50%

我的 3 只股票的协方差矩阵是

股票收益/colmeans 存储在 Dvec

我使用了这篇文章投资组合优化约束矩阵/bvec 解释中提到的代码和过程。我还阅读了类似的帖子投资组合优化约束矩阵/bvec 解释和使用 R 中的 quadprog 包进行投资组合优化中的权重约束所以我尝试的代码看起来像这样

我从两个等式开始分析，即一个用于百分之百的投资，另一个用于投资组合回报。我在另一篇文章中读到，退货可能会导致问题，以至于我们正在寻找的退货在当前数据和约束条件下是不可能的。所以我也将返回值更改为不同的级别，但它不起作用，所以我放宽了返回相等性并使用 neq=1。仍然无法正常工作。我还尝试了对个股的不同权重约束，即我尝试将上限（向上）从 5% 更改为 80%。
注意：当我在没有总回报的情况下编写 amat 和 bvev 时，代码就可以工作。即当我使用 A 和 B 作为

代替

我的问题是为什么我在使用上面提到的代码时得到“约束不一致，没有解决方案”？如果有人能弄清楚我在做什么，我将不胜感激？非常感谢你们所有人。