二阶锥规划问题有这样的形式
受约束
f,x,b,贝基,磅,及乌兰巴托向量,A和Aeq矩阵。为每一个我,矩阵Asc(我),向量bsc(我),dsc(我)和标量γ(我)是在一个二阶锥约束中创建的二阶锥
.
换言之,该问题具有线性目标函数和线性约束,以及一组二阶锥约束的形式 .
coneprog
算法这个coneprog
求解器使用Andersen、Roos和Terlaky中描述的算法[1].该方法是一种类似于内点linprog算法.
该算法首先将问题放入标准形式.该算法添加非负松弛变量,使问题具有以下形式
受约束
求解器扩展了线性系数向量的大小f线性约束矩阵A来解释松弛变量。
地区K叉乘是洛伦兹锥方程1和非负正交。转换每个凸锥
到洛伦兹锥方程1,创建变量的列向量t1,t2, …,tn+1:
这里是变量的数量n为每个锥我行数是多少Asc(我)。根据它的定义,变量向量t满足不等式
(1) |
方程1的洛伦兹锥的定义n+ 1)变量。的变量t出现在问题中的变量x在凸区域K.
在内部,该算法还使用洛伦兹旋转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].
当添加松弛变量时,算法会根据需要对变量求反,并添加适当的常量,这样:
只有一个界的变量的下界为零。
有两个边界的变量的下界为零,如果使用松弛变量,则没有上界。
将无边界变量置于洛伦兹锥中,松弛变量作为约束变量。这个松弛变量不属于任何其他表达式、目标或约束的一部分。
对偶锥是
对偶问题是
这样
对于一些
一个双最优解是一个点(y,),以满足双重约束并使双重目标最大化。
为了处理潜在的不可行或无界问题,该算法又增加了两个变量τ和κ并将问题表述为齐次(等于零)和自对偶的。
(2) |
以及约束条件
(3) |
在这里, 是锥形的K与非负实线相连的,为(x;τ)。类似的 是锥形的 与非负实线相连的,为(;κ)。在这个公式中,下面的引理表明τ是可行解决方案的比例,以及万博 尤文图斯κ是一个不可行问题的指示器。
引理([1]引理2.1)
让(x,τ,y,,κ)这是一个可行的解决方案方程2加上约束条件方程3.
xT+τκ= 0.
如果τ>0,那么(x,y,)/τ是标准形式二阶锥问题的原对偶最优解。
如果κ> 0,那么至少有一个严格的不等式成立:
bTy> 0
fTx< 0.
如果第一不等式成立,则标准形式的原始二阶锥问题是不可行的。如果第二个不等式成立,则标准形式的对偶二阶锥问题是不可行的。
总之,对于可行问题,变量τ在原始标准形式问题和齐次自对偶问题之间缩放解。对于不可行问题,最终迭代(x,y,,τ,κ)提供证明,证明原始标准表格的问题不可行。
迭代的起点是可行点:
x=1表示每个非负变量,1表示每个洛伦兹锥中的第一个变量,否则为0。
y= 0.
=(1,0,…,0)对于每个圆锥体,1对于每个非负变量。
τ= 1.
κ= 1.
算法试图遵循中央路径,这是以下方程式的参数化解决方案:γ从1到0递减。
(4) |
每个下标为0的变量表示变量的起点。
的变量X和是箭头由x和向量,分别。为一个向量x= [x1,x2、……xn,箭头矩阵X有定义吗
根据其定义,X是对称的。
的变量e每个圆锥坐标上有1的向量是否对应于x1洛伦兹锥坐标。
的变量μ0有定义吗
在哪里k非零元素的个数在里面吗x0.
中心路径从齐次自对偶问题的起点开始,到最优解结束。
安徒生,鲁斯和特拉基[1]在引理3.1中证明了互补条件xT= 0,x和是洛伦兹锥的乘积吗L,相当于条件
对于每一个圆锥我.这里X我=垫(x我),x我这个变量与洛伦兹锥有关吗我,我=垫(我),及e我是适当维数的单位向量[1,0,0,…,0]。这一讨论表明,中心路径在其端点满足互补条件。
以获取中心路径附近的点作为参数γ由1向0递减,算法采用牛顿法。要查找的变量被标记为(x,τ,y,,κ).让dx的搜索方向x然后牛顿步求解下列线性系统,由方程4.
该算法通过在d方向。
一步 .
为了数值稳定性和加速收敛,该算法根据Nesterov和Todd的建议缩放步长[8].此外,该算法还根据Mehrotra的预测校正器的一个变体来校正步长[7](有关更多详细信息,请参见安徒生、罗斯和特莱基。)[1].)
前面的讨论涉及线人
选项的值“增强”
指定。求解器有其他值,可以改变步长计算,以适应不同类型的问题。
在每一次迭代k,该算法计算三个相对收敛度量:
原始不可行性
对偶不可行
差距不可能实行
通过指定迭代显示,可以在命令行中查看这三个统计信息。
选择= optimoptions (“coneprog”,“显示”,“国际热核实验堆”);
当问题可行且求解器收敛时,这三个点都应该趋近于零。对于可行问题,变量κk接近零,变量τk接近正常数。
一种停止条件与间隙的不可行性有关。当下列最优度量降低到最优公差以下时,停止条件为。
该统计数据衡量目标值的精度。
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=ConstraintTolerance
,及
如果bTyk> 0,则求解者声明原问题不可行。如果fTxk< 0,则求解器声明对偶问题是不可行的。
算法也会在
和
在这种情况下,coneprog
报告问题在数值上不稳定(退出标志)-10
)。
剩余的停止条件发生在至少一个不可行措施大于ConstraintTolerance
计算的步长太小。在这种情况下,coneprog
有报道称,搜索方向变得太小,无法取得进一步进展-7
)。
[1] Andersen, E. D., C. Roos,和T. Terlaky。关于二次曲线优化的原-对偶内点法的实现。数学程序,Ser.B95,第249-277页(2003)。https://doi.org/10.1007/s10107-002-0349-3
安徒生,k.d。线性规划内点法中处理密集柱的改进schur-补法。ACM数学软件交易(TOMS),22(3):348–3561996。
[3] Ben-Tal, Aharon和Arkadi Nemirovski。工程中的凸优化:建模,分析,算法。(1998)。可于https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.455.2733&rep=rep1&type=pdf.
[4] Goldfarb,D.和K.Scheinberg。线性规划内点法中处理密柱的乘积形式cholesky分解法。数学学报,32(1):1 - 10,2004。
Goldfarb, D.和K. Scheinberg。二阶锥规划内点法中的乘积形式cholesky分解。数学学报,31(1):1 - 7,2005。
[6] 罗智权、何塞·斯图姆和张树忠。圆锥凸规划的对偶性和自对偶性。(1996). 可在https://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.48.6432
[7] Mehrotra,桑杰。《关于原-对偶内点法的实现》。暹罗优化杂志2,第4号(1992年11月):575-601。https://doi.org/10.1137/0802028.
[8] 内斯特罗夫,余。E.和M.J.托德。“凸规划的自缩放障碍和内点方法。”运筹学数学,第1号(1997年2月):第1-42页。https://doi.org/10.1287/moor.22.1.1.