Computational Science optimization

2

Maximaler Wert einer konvexen Kombination über einer konvexen Hülle realer Variablen

Ich habe das folgende lineare Programm: wobei x \ in \ mathbb {R} ^ n , \ mathbf {1} ^ T x die Summe der Einträge von x bezeichnet und a bekannt ist und hat deutlich streng positive Einträge.MaximizeSubject toaTxxmin≤x≤xmax1Tx=1MaximizeaTxSubject toxmin≤x≤xmax1Tx=1 \begin{array}{cc} \text{Maximize} & a^T x \\ \text{Subject to} & …

8 optimization convex-optimization

3

fmincg Implementierung in Python

Ich versuche, neuronale Netze in Python erneut zu implementieren. Ich habe die Kostenfunktion und den Backpropagation-Algorithmus korrekt implementiert. Ich habe sie überprüft, indem ich den entsprechenden Octave-Code ausgeführt habe. Wenn ich jedoch versuche, die scipy.optimize.fmin_cgFunktion zu verwenden, dauert die Ausführung der Iterationen sehr lange. Es wird mit einer Warnung beendet …

8 optimization python machine-learning octave

2

Gleichzeitige Maximierung zweier Funktionen ohne verfügbare Ableitungen

Ich habe zwei Variablen kund tals Funktionen von zwei anderen Variablen p1und p2. Ich kenne auch ihre Maximalwerte. Ich habe keinen analytischen Ausdruck dafür. Ich möchte die Werte von kund tfinden, die ihren Maximalwerten am nächsten kommen. Gibt es eine Möglichkeit, das k = f1(p1, p2)und zu optimieren t = …

8 optimization

1

Open-Source-Thread-sichere Implementierung konvexer Optimierungslöser in C / C ++?

Gibt es eine Open-Source-Implementierung von konvexen Optimierungslösern in C / C ++? Einige Bibliotheken wie NLopt , Ipopt , OPT ++ erfüllen meine Anforderungen nicht. OPT ++ und Ipopt sind nicht threadsicher, und NLopt scheint keine spezifische / effiziente Möglichkeit zu haben, konvexe Programmierprobleme mit Gleichheits- / Ungleichheitsbeschränkungen zu lösen.

8 optimization c

1

Wie berechnet man das maximale Ellipsoid in einem bestimmten Polyeder?

Ich stehe vor dem Problem, das Ellipsoid ( ist eine symmetrische positive definitive Matrix) mit maximalem Volumen innerhalb einer konvexen Menge die als eine Menge linearer Ungleichungen . Ich habe verstanden, wie es als konvexes Optimierungsproblem formalisiert wird wie in "Convex Optimization, Stephen Boyd und Lieven Vandenberghe, Cambridge University Press, …

8 optimization convex-optimization

3

Was ist zu groß für standardmäßige lineare Algebra / Optimierungsmethoden?

Verschiedene numerische lineare Algebra- und numerische Optimierungsmethoden haben unterschiedliche Größenbereiche, in denen sie zusätzlich zu ihren eigenen Eigenschaften eine „gute Idee“ sind. Beispielsweise werden für sehr große Optimierungsprobleme Gradienten-, stochastische Gradienten- und Koordinatenabstiegsmethoden anstelle von Newton- oder Interior Point-Methoden verwendet, da Sie sich nicht mit dem Hessischen befassen müssen. In …

8 linear-algebra optimization nonlinear-programming

2

Minimierung einer quadratischen Funktion mit nichtlinearen Einschränkungen

Was wären gute Methoden (und / oder Softwarepakete), um ein Problem zu lösen, das eine quadratische Funktion minimiert? , st 0 ≤ x i ≤ 1 und Es gibt mehr Einschränkungen, von denen einige nicht linear (und nicht differenzierbar) sind, z. B. ∑ i x i 1 x i > …

8 optimization nonlinear-programming

1

scipy.optimize.fmin_bfgs: "Gewünschter Fehler nicht unbedingt aufgrund von Präzisionsverlust erreicht"

Ich erhalte die Warnung im Betreff des Beitrags, wenn ich versuche, eine Funktion in Python mit der Funktion scipy.optimize.fmin_bfgs zu optimieren . Die komplette Ausgabe: Warnung: Gewünschter Fehler wird aufgrund von Präzisionsverlust nicht unbedingt erreicht Current function value: nan Iterations: 1 Function evaluations: 18 Gradient evaluations: 3 Es ist kein …

8 optimization python

2

Einseitige nichtlineare kleinste Quadrate mit linearen Einschränkungen

Ich versuche, ein einseitiges nichtlineares Problem der kleinsten Quadrate mit linearen Einschränkungen zu lösen, dh das Problem: minx∑mi=1ri(x) s.t Ax≤bminx∑i=1mri(x) s.t Ax≤b\min_{\mathbf{x}} \quad \sum^m_{i=1} \mathbf{r}_i(\mathbf{x}) \qquad \text{ s.t } \quad A\mathbf{x} \leq \mathbf{b} wo ri(x)=fi(x)2ri(x)=fi(x)2r_i(\mathbf{x})=f_i(\mathbf{x})^2 wenn fi(x)>0fi(x)>0f_i(\mathbf{x})>0 und ri(x)=0ri(x)=0r_i(\mathbf{x})=0 sonst. Mit anderen Worten, dies kann als Problem der kleinsten Quadrate …

8 algorithms optimization

Als «optimization» getaggte Fragen