cvxopt.solvers模块求解二次规划模型

Across Pacific

于 2022-06-06 22:25:59 发布

阅读量836

点赞数

分类专栏： Python学习文章标签：线性代数概率论

本文链接：https://blog.csdn.net/qq_40493754/article/details/125155653

版权

Python学习专栏收录该内容

21 篇文章 0 订阅

订阅专栏

二次规划是指带有二次型目标函数和约束条件的最优化问题。

其标准形式如下：

即在Gx<h 和Ax=b的约束下，最小化目标函数。其中，当P是正定矩阵时，目标函数存在全局唯一最优解；P是半正定矩阵时，目标函数是凸函数，存在全局最优解（不唯一）;P是不定矩阵时，目标函数非凸，存在多个局部最小值和稳定点，为np难问题。

下面代码中，由于系数1/2的存在，P矩阵为二次方项系数两倍的对角阵

import numpy as np
from cvxopt import matrix,solvers
n=3;
P=matrix(0.,(n,n))
P[::n+1]=[3,2,1.7]
q=matrix([3,-8.2,-1.95])
A=matrix([[1.,0,1],[-1,2,0],[0,1,2]]).T
b=matrix([2.,2,3])
Aeq=matrix(1.,(1,n))
beq=matrix(3.)
s=solvers.qp(P,q,A,b,Aeq,beq)
print("最优解为：",s['x'])
print("最优值为：",s['primal objective'])