二阶锥规划算法
二阶锥规划的定义
一个二阶锥规划问题的形式
受约束
f,x,b,说真的,磅,乌兰巴托向量,一个和Aeq矩阵。为每一个我,矩阵一个sc(我),向量bsc(我),dsc(我)和标量γ(我)是在一个二阶锥约束使用您创建的secondordercone
。
换句话说,这个问题一个线性目标函数和线性约束,以及一组二阶锥约束的形式 。
coneprog
算法
的coneprog
解算器使用中描述的算法安徒生,鲁斯,Terlaky[1]。这个方法是一个内点算法类似内点linprog算法。
标准形式
该算法首先将问题标准形式。算法增加了负的松弛变量,这样问题的形式
受约束
解算器扩展的大小线性系数向量f和线性约束矩阵一个为松弛变量。
该地区K交叉的产物吗洛伦兹锥方程1和非负象限。将每个凸锥
一个洛伦兹锥方程1,创建一个列向量的变量t1,t2、…tn+ 1:
在这里,变量的数量n为每个锥我的行数在吗一个sc(我)。根据其定义,变量向量t满足不等式
(1) |
方程1洛伦兹锥的定义在(n+ 1)变量。的变量t出现问题的变量x在凸区域K。
在内部,该算法也使用洛伦兹旋转锥再形成的锥约束,但这个话题并没有解决。鲁斯,安徒生,Terlaky[1]。
当添加松弛变量,该算法否定变量,根据需要,并添加适当的常数,以便:
变量只有一个绑定有下界的零。
变量和两个边界有一个零的下界,利用松弛变量,没有上限。
变量没有边界被放置在一个洛伦兹锥松弛变量的约束变量。这个松弛变量不是任何其他表达式的一部分,目标或约束。
对偶问题
双锥是
双重的问题是
这样
对于一些
双最优解是一个点(y,年代),满足双重约束和最大化的双重目标。
均匀自对偶公式
处理可能不可行或无限问题,该算法添加两个变量τ和κ并制定问题的齐次(等于零)和自对偶。
(2) |
随着约束
(3) |
在这里, 是锥形的K附加的非负实线,这是空间(x;τ)。类似的 是锥形的 附加的非负实线,这是空间(年代;κ)。在这个配方,以下引理证明τ是可行的解决方案的扩展,金宝搏官方网站κ的指标是一个不可行的问题。
引理([1]引理2.1)
让(x,τ,y,年代,κ)是一个可行的解决方案方程2随着约束方程3。
xT年代+τκ= 0。
如果τ> 0,那么(x,y,年代)/τ是一个非标准形式的最优解二阶锥问题。
如果κ> 0,那么至少一种严格的不平等是适用的:
bTy> 0
fTx< 0。
如果第一个不等式成立,那么标准形式,原始的二阶锥问题是不可行的。如果第二个不等式成立,那么标准形式,双二阶锥问题是不可行的。
总之,对于可行的问题,变量τ尺度之间的解决方案最初的标准形式问题和均匀自对偶问题。对于不可行问题,最后迭代(x,y,年代,τ,κ)提供一个证书的不可行性最初的标准形式的问题。
起点
迭代的起点是可行的:
x= 1为每一个非负变量,第一变量在每个洛伦兹锥,1和0。
y= 0。
年代=(1 0…,0)对于每个锥,1为每个非负变量。
τ= 1。
κ= 1。
中央路径
该算法试图效仿中央路径,下列方程的参数化方案γ减少从1到0。
(4) |
每个变量与一个0下标表示变量的起始点。
的变量X和年代是箭头矩阵形成的x和年代向量,分别。为一个向量x= (x1,x2、…xn),箭头矩阵X有定义
根据其定义,X是对称的。
的变量e是1的向量在每个锥坐标对应x1洛伦兹锥坐标。
的变量μ0有定义
在哪里k非零元素的数量在吗x0。
中央路径从起点开始,结束于一个齐次自对偶问题的最优解。
安徒生,鲁斯和Terlaky[1]在引理3.1互补条件xT年代= 0,x和年代在洛伦兹锥的产物吗l,相当于条件
对于每一个圆锥我。在这里X我=垫(x我),x我与洛伦兹锥相关联的变量我,年代我=垫(年代我),e我是单位向量[0 1 0 0…]适当的维度。讨论表明,中央路径满足互补条件在其终点。
搜索方向
获得点附近的中央路径作为参数γ减少从1到0时,该算法使用牛顿法。找到标记的变量(x,τ,y,年代,κ)。让dx代表的搜索方向x变量,等等。然后牛顿一步解决了线性系统后,来自方程4。
该算法获得下一个点的一个步骤d方向。
对于一些步骤 。
数值稳定性和加速收敛,该算法尺度步骤根据建议Nesterov和托德[8]。同时,算法修正步骤根据Mehrotra预估的一个变体[7]。(更多细节,请参阅安徒生,鲁斯和Terlaky[1]。)
一步解决差异
与前面的讨论LinearSolver
选项的值“增强”
指定。解决其他值,改变步计算,以适应不同类型的问题。
迭代显示和停止条件
在每一次迭代k,该算法计算三个相对收敛的措施:
原始的不可行性
双不可行性
差距不可能实行
你可以把这三个统计在命令行指定迭代显示。
选择= optimoptions (“coneprog”,“显示”,“通路”);
所有三个零当问题的方法是可行的和解决者是收敛的。一个可行的问题的变量κk趋于0,变量τk方法积极的常数。
一个停止条件有点相关的差距不可能实行。以下时停止条件最优措施减少低于最优公差。
这个统计措施客观价值的精确性。
问题的解决也停止和声明在下列条件下是不可行的。少于三个相对不可行性措施c=ConstraintTolerance
,
如果bTyk> 0,那么原始问题的解算器声明是不可行的。如果fTxk< 0,那么解决者宣称对偶问题是不可行的。
该算法也停止的时候
和
在这种情况下,coneprog
报道说,问题是数值不稳定(出口标志-10年
)。
剩下的停止条件发生在至少一个大于不可行性措施ConstraintTolerance
和计算步长太小了。在这种情况下,coneprog
报道称,搜索方向变得太小,不可能取得进一步进展(退出旗7
)。
引用
[1]安徒生,e D。,C. Roos, and T. Terlaky.在实现一个圆锥内点方法二次优化。数学。程序。,爵士。B95年(2003),页249 - 277。https://doi.org/10.1007/s10107 - 002 - 0349 - 3
[2]安徒生,k·D。修改schur-complement方法处理密度列线性规划内点法。ACM交易数学软件(汤姆斯),22(3):348 - 356年,1996年。
[3]Ben-Tal、Aharon Arkadi Nemirovski。凸优化工程:建模、分析算法。(1998)。可以在https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.455.2733&rep=rep1&type=pdf。
[4]戈德法布、d和k Scheinberg。一个产品形态柯列斯基分解的方法处理密集列线性规划内点方法。数学规划,99(1):猴,2004年。
[5]戈德法布、d和k Scheinberg。产品形态的柯列斯基分解为二阶锥规划内点方法。数学规划,103(1):153 - 179年,2005年。
罗[6],Zhi-Quan乔斯·Sturm, Shuzhong张。二元性和Self-Duality圆锥凸规划。(1996)。可以在https://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.48.6432
[7]Mehrotra,桑杰。”一个非内点方法的实现。”暹罗在优化2》杂志上,没有。4(1992年11月):575 - 601。https://doi.org/10.1137/0802028。
于[8]涅斯捷罗夫。E。,和M. J. Todd. “Self-Scaled Barriers and Interior-Point Methods for Convex Programming.”数学运筹学22,没有。1(1997年2月):1-42。https://doi.org/10.1287/moor.22.1.1。