示例来源:https://cppad.readthedocs.io/ipopt_solve_get_started.cpp.html
使用CppAD并使用ipopt求解一个优化问题,最核心的函数是下面的
CppAD::ipopt::solve<Dvector, FG_eval>(options, xi, xl, xu, gl, gu, fg_eval, solution);
这个函数中包括了:
option
求解器的配置项
xi
待求解的优化变量(包含初值)
xl
待优化变量的下限
xu
待优化变量的上限
gl
约束表达式的下限
gu
约束表达式的上限
fg_eval
存储目标函数和约束变量的表达式
solution
优化后的结果保存在这里
举个例子
定义优化问题的目标函数和约束表达形式:
假设一个4维优化变量组成的优化问题,待求解的目标函数为:
f
(
x
)
=
x
1
⋅
x
4
⋅
(
x
1
+
x
2
+
x
3
)
+
x
3
f(x) = \quad x_1 \cdot x_4 \cdot (x_1 + x_2 + x_3) + x_3
f(x)=x1⋅x4⋅(x1+x2+x3)+x3
同时这个优化问题有两个约束限制了变量的范围:
g
1
(
x
)
=
x
1
⋅
x
2
⋅
x
3
⋅
x
4
≥
25
g
2
(
x
)
=
x
1
2
+
x
1
2
+
x
1
2
+
x
1
2
=
40
g_1(x) = x_1 \cdot x_2 \cdot x_3 \cdot x_4 \ge 25 \\ g_2(x) = x_1^2 + x_1^2 + x_1^2 + x_1^2 = 40
g1(x)=x1⋅x2⋅x3⋅x4≥25g2(x)=x12+x12+x12+x12=40
根据这三个表达式,可以构建一个仿函数来描述这个优化问题的表达式:
namespace {
using CppAD::AD;
class FG_eval {
public:
typedef CPPAD_TESTVECTOR( AD<double> ) ADvector;
void operator()(ADvector& fg, const ADvector& x)
{ assert( fg.size() == 3 );
assert( x.size() == 4 );
// Fortran style indexing
AD<double> x1 = x[0];
AD<double> x2 = x[1];
AD<double> x3 = x[2];
AD<double> x4 = x[3];
// f(x)
fg[0] = x1 * x4 * (x1 + x2 + x3) + x3;
// g_1 (x)
fg[1] = x1 * x2 * x3 * x4;
// g_2 (x)
fg[2] = x1 * x1 + x2 * x2 + x3 * x3 + x4 * x4;
//
return;
}
};
}
在上面的代码中,fg
变量存储了三个表达式,fg[0]
中存储了目标函数的表达式,fg[1]
和 fg[2]
分别存储了两个约束的表达式,约束表达式的上限与下限将会在之后给出。
定义优化变量的的初始值和上下限
除了两个优化变量之外,需要给独立变量设置初值xi
,并限制独立变量的范围,每一个变量对应的上下限根据索引值对应到了相应的xu
,xl
数组元素中。
在这个例子中,假设每个变量都用相同的取值范围[1, 5],即:
1
≤
x
1
,
x
2
,
x
3
,
x
4
≤
5
1 \le x_1,x_2,x_3,x_4 \le5
1≤x1,x2,x3,x4≤5
typedef CPPAD_TESTVECTOR( double ) Dvector;
// 独立变量的个数,在这个例子中,为x1~x4共4个独立变量
size_t nx = 4;
// 给独立变量设置初始值
Dvector xi(nx);
xi[0] = 1.0;
xi[1] = 5.0;
xi[2] = 5.0;
xi[3] = 1.0;
// 设置独立变量的上下限
Dvector xl(nx), xu(nx);
for(i = 0; i < nx; i++)
{ xl[i] = 1.0;
xu[i] = 5.0;
}
定义约束表达式的上下限
之前在FG_eval
中定义了约束的表达式,
g
1
(
x
)
>
25
g_1(\bm{x}) \gt 25
g1(x)>25,
g
2
(
x
)
=
40
g_2(\bm{x}) = 40
g2(x)=40
gl
,gu
中索引为0的量对应了fg[1]
即
g
1
(
x
)
g_1(\bm{x})
g1(x)的上下限,同理索引1对应了fg[2]
即
g
2
(
x
)
g_2(\bm{x})
g2(x)的上下限
// 约束表达式的上下限
Dvector gl(ng), gu(ng);
gl[0] = 25.0; gu[0] = 1.0e19;
gl[1] = 40.0; gu[1] = 40.0;
优化器的设置
std::string options;
//关闭任何优化器的输出
options += "Integer print_level 0\n";
options += "String sb yes\n";
//设置最大迭代次数
options += "Integer max_iter 10\n";
// 设置收敛条件
// see Mathematical Programming, Volume 106, Number 1,
// Pages 25-57, Equation (6)
options += "Numeric tol 1e-6\n";
其他优化器的设置项可以在这里查询到:ipopt_options
优化结果
// 在solution中保存优化结果
CppAD::ipopt::solve_result<Dvector> solution;
// 执行优化
CppAD::ipopt::solve<Dvector, FG_eval>(options, xi, xl, xu, gl, gu, fg_eval, solution);
// 判断求解是否成功
bool ok = true;
ok &= solution.status == CppAD::ipopt::solve_result<Dvector>::success;
如果要查看/使用优化的结果,可以通过solution.x[i]
获取对应的优化结果。
最后,如果要系统学习CppAD,还是要去CppAD文档进行学习
完整的程序
#include <iostream>
#include <cppad/ipopt/solve.hpp>
// 这是CppAD官方网站的一个例子,具体计算了:
// object function: x_1 * x_4 * (x_1 + x_2 + x_3) + x_3
// 约束条件为:
// x_1 * x_2 * x_3 * x_4 >= 25
// x_1 ^ 2 + x_2 ^ 2 + x_3 ^ 2 + x_4 ^ 2 = 40
// x_1 , x_2 , x_3 , x_4 取值范围均为[1,5]
namespace
{
using CppAD::AD;
class FG_eval
{
public:
typedef CPPAD_TESTVECTOR(AD<double>) ADvector;
void operator()(ADvector &_fg, const ADvector &_x)
{
assert(_fg.size() == 3);
assert(_x.size() == 4);
AD<double> x1 = _x[0];
AD<double> x2 = _x[1];
AD<double> x3 = _x[2];
AD<double> x4 = _x[3];
// f(x) 描述object function
_fg[0] = x1 * x4 * (x1 + x2 + x3) + x3;
// g_1 (x) 描述第一个不等式约束
_fg[1] = x1 * x2 * x3 * x4;
// define g_2 (x) 描述第二个等式约束
_fg[2] = x1 * x1 + x2 * x2 + x3 * x3 + x4 * x4;
return;
}
};
bool get_started(void)
{
bool ok = true;
size_t i;
typedef CPPAD_TESTVECTOR(double) DVector;
/* 独立变量的个数 */
size_t nx = 4;
/* 约束的数量 */
size_t ng = 2;
/* 对独立变量进行初始化 */
DVector xi(nx);
xi[0] = 1.0;
xi[1] = 5.0;
xi[2] = 5.0;
xi[3] = 1.0;
/* 建立x的上下界约束 */
DVector xl(nx), xu(nx);
for (size_t i = 0; i < nx; i++)
{
xl[i] = 1.0;
xu[i] = 5.0;
}
/* 建立约束g的上下界 */
DVector gl(ng), gu(ng);
gl[0] = 25.0;
gu[0] = 1.0e19; // 不等式约束
gl[1] = 40.0;
gu[1] = 40.0; // 等式约束
FG_eval fg_eval;
/* 添加配置文件 */
std::string options;
// 关闭所有printing
options += "Integer print_level 0\n";
options += "String sb yes\n";
// 最大迭代次数
options += "Integer max_iter 10\n";
// 使用一阶近似条件判断收敛
options += "Numeric tol 1e-6\n";
/* 设置保存结果的对象 */
CppAD::ipopt::solve_result<DVector> solution;
/* 开始解决问题 */
CppAD::ipopt::solve<DVector, FG_eval>(
options, xi, xl, xu, gl, gu, fg_eval, solution);
/* 观察结果 */
ok &= solution.status == CppAD::ipopt::solve_result<DVector>::success;
std::cout << "solution: x1: " << solution.x[0]
<< " x2: " << solution.x[1]
<< " x3: " << solution.x[2]
<< " x4: " << solution.x[3] << std::endl;
std::cout << "object func value: " << solution.obj_value << std::endl;
return ok;
}
};
int main(int argc, char **argv)
{
get_started();
return 0;
}