cvx学习笔记(1)

​

常见缩写

QP quadratic program 二次规划
SOCP second-order cone programming 二次锥规划

案例1

%% 最小二乘法 Least Squares 
%% 算法
m = 16; n = 8;
A = randn(m,n); %创建16×8的随机高斯矩阵
b = randn(m,1);
%% CVX
cvx_begin
    variable x(n)
    minimize(norm (A*x-b))
cvx_end

• 运行结果对应参数分析
  cvx_optval: 包含目标函数的结果

案例2: 有界约束最小二乘法

%% 有界约束最小二乘法 bound-constrained least squares
clc,clear all
m = 16; n = 8;
A = randn(m,n); %创建16×8的随机高斯矩阵
b = randn(m,1);

bnds = randn(n,1) % 随机生成n×1维高斯矩阵
l = min(bnds, [] ,2);
u = max(bnds, [], 2);

%% Matlab自带解法
x_qp = quadprog( 2*A'*A,-2*A'*b,[],[],[],[],l,u)
%% CVX的解法
cvx_begin
    variable x(n)
    minimize(norm(A*x-b))
    subject to 
        l <= x <= u %代表了2n个不等式限制
cvx_end

案例3

1. norm minimization问题可以被从小写为线性规划问题，matlab的优化工具箱可以解决。而CVX不需要转化可以直接解决。
2. 比如处理下面这个问题，CVX有绝对的优势
   ∥ A x − b ∥ l g s t