二阶锥规划问题的形式为
受约束
f,x,b,说真的,磅,乌兰巴托是向量,和一个和Aeq是矩阵。对于每个我,矩阵一个sc(我),向量bsc(我)及dsc(我),和标量γ(我)位于使用创建的二阶圆锥体约束中secondordercone
.
也就是说,该问题具有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Andersen、Roos和Terlaky中描述的算法[1].此方法是一种类似于内点linprog算法.
算法首先将问题放入标准格式.该算法增加了非负松弛变量,使问题具有一定的形式
受约束
解算器会扩展线性系数向量的大小f线性约束矩阵一个以说明松弛变量。
该地区K是的叉积洛伦兹锥方程式1和非负正态。转换每个凸锥
到洛伦兹锥方程式1,创建变量的列向量t1,t2、……tn+1:
这里是变量的数量n对于每个圆锥体我是中的行数一个sc(我).根据其定义,变量向量t满足不等式
(1) |
方程式1洛伦兹锥的定义是什么(n+1) 变量,变量t代替变量出现在问题中x在凸区域K.
在内部,算法也使用旋转洛伦兹锥在圆锥约束的重新表述中,但本主题不涉及这种情况。详情请参见Andersen、Roos和Terlaky[1].
添加松弛变量时,算法会根据需要对变量求反,并添加适当的常量,以便:
只有一个界的变量的下界为零。
具有两个边界的变量的下界为零,使用松弛变量时,没有上界。
无边界变量放置在洛伦兹锥中,松弛变量作为约束变量。该松弛变量不属于任何其他表达式、目标或约束的一部分。
双锥面是
对偶问题是
以致
对一些人来说
对偶最优解是一个点(y,年代)满足双重约束并使双重目标最大化。
为了处理可能不可行或无界的问题,算法增加了两个变量τ和κ并将问题表述为齐次(等于零)和自对偶问题。
(2) |
还有约束条件
(3) |
在这里 是圆锥体吗K与非负实线相邻,这是(x;τ).同样 是圆锥体吗 与非负实线相邻,这是(年代;κ).在这个公式中,下面的引理表明τ是可行的解决方案吗万博 尤文图斯κ是不可行问题的指示器。
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式2以及方程式3.
xT年代+τκ= 0。
如果τ> 0,则(x,y,年代)/τ是标准形式二阶锥问题的原对偶最优解。
如果κ>0,则至少有一个严格不等式成立:
bTy> 0
fTx< 0。
如果第一个不等式成立,则标准形式的原始二阶锥问题不可行。如果第二个不等式成立,则标准形式的对偶二阶锥问题不可行。
综上所述,对于可行问题,变量τ在原标准形式问题和齐次自对偶问题之间缩放解。对于不可行的问题,最终迭代(x,y,年代,τ,κ)提供原始标准表单问题不可行的证书。
迭代的起始点为可行点:
x= 1,每个非负变量为1,每个洛伦兹锥第一个变量为1,否则为0。
y= 0。
年代=(1,0,…,0)为每个圆锥,1为每个非负变量。
τ= 1。
κ= 1。
该算法试图遵循中央路径,为下式的参数化解γ从1减少到0。
(4) |
每个下标为0的变量表示该变量的起始点。
变量X和年代是箭头矩阵由x和年代分别是向量。对于向量x= (x1,x2,…,xn],箭头矩阵X有定义
根据其定义,X是对称的。
变量e是每个圆锥体坐标中对应于x1洛伦兹锥坐标。
变量μ0有定义
哪里k中非零元素的数目x0.
中心路径开始于齐次自对偶问题的起点,结束于最优解。
安徒生、罗斯和特莱基[1]在引理3.1中证明了互补条件xT年代=0,其中x和年代是洛伦兹锥的乘积l,等于条件
每个圆锥体我.在这里X我=垫(x我),x我是与洛伦兹锥相关的变量我,年代我=垫(年代我),e我为相应维数的单位向量[1,0,0,…,0]。讨论表明,中心路径在其端点处满足互补条件。
获取中心路径附近的点作为参数的步骤γ从1减少到0,该算法使用牛顿法。要查找的变量被标记(x,τ,y,年代,κ).让dx表示搜索对象的搜索方向x变量等等。然后牛顿阶跃解出下面的线性方程组,由方程式4.
算法通过步进得到下一个点d方向
对于一些步骤 .
对于数值稳定性和加速收敛,该算法根据Nesterov和Todd中的建议调整步长[8].此外,该算法根据Mehrotra的预测-校正器的一种变体来校正步长[7].(详情请参见Andersen、Roos和Terlaky[1].)
前面的讨论涉及LinearSolver
具有值的选项“增强”
指定。解算器具有其他值,可更改步长计算以适应不同类型的问题。
在每次迭代中k,算法计算三个相对收敛测度:
原始的不可行性
双不可行性
间隙不可行性
通过指定迭代显示,可以在命令行中查看这三个统计信息。
选项=最佳选项(“coneprog”,“显示”,“通路”);
当问题可行且解算器收敛时,这三个变量都应接近零κk趋近于0,变量τk趋近于正常数。
一个停止条件在某种程度上与间隙不可行性有关。停止条件是当下列最优性度量降低到最优性公差以下时。
这个统计量测量了客观值的准确性。
在下列条件下,求解器也会停止并声明问题不可行的。这三种相对不可行的措施都小于c=约束耐受性
,
如果bTyk> 0,然后解算器声明原始问题不可行。如果fTxk< 0,然后解算器声明对偶问题不可行。
当
和
在这种情况下,,coneprog
报告问题在数值上不稳定(退出标志-10
).
当至少一个不可行性度量值大于约束耐受性
计算的步长太小。在这种情况下,coneprog
报告搜索方向太小,无法取得进一步进展(退出标志-7
).
[1] 安徒生,E.D.,C.Roos和T.Terlaky。关于圆锥二次优化的原对偶内点法的实现。数学。程序。,爵士。B95,第249-277页(2003年)。https://doi.org/10.1007/s10107-002-0349-3
[2] 安徒生,K.D。线性规划内点法中处理稠密柱的修正schur补法。数学学报,22(3):348-356,1996。
[3] 本·塔尔、亚哈龙和阿卡迪·内米洛夫斯基。工程中的凸优化: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.
Goldfarb, D.和K. Scheinberg。线性规划内点法中处理密集列的积型cholesky分解方法。数学规划,99(1):1-342004。
[5] Goldfarb,D.和K.Scheinberg。二阶锥规划内点法中的积型cholesky分解。数学规划,103(1):153-1792005。
罗志权,Jos F. Sturm,张树忠。二次凸规划的对偶性和自对偶性。(1996)。可以在https://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.48.6432
[7] 关于原始-对偶内点法的实现优化学报2,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.托德。《凸规划的自尺度障碍和内点方法》。运筹学数学22,没有。1(1997年2月):1 - 42。https://doi.org/10.1287/moor.22.1.1.