Mincx
在LMI约束下最小化线性目标
句法
[COPT,XOPT] = mincx(LMISYS,C,选项,Xinit,Target)
描述
[COPT,XOPT] = mincx(LMISYS,C,选项,Xinit,Target)
解决凸面程序
(1) |
在哪里X表示标量决策变量的向量。
LMI的系统由LMISYS
。向量C
必须与X。此长度对应于功能返回的决策变量数量decnbr
。对于按照矩阵变量表示的线性目标,足够C
向量很容易得出defcx
。
功能Mincx
返回全球最低限度科特
目的CtX以及最小化的价值xopt
决策变量的向量。矩阵变量的相应值是从xopt
和dec2mat
。
其余的论点是可选的。向量Xinit
是最小化的最初猜测xopt
。当不可行时被忽略,但否则可能会加速计算。注意Xinit
应该与C
。至于目标
,它为目标值设定了一些目标。该代码在实现该目标后立即终止,也就是说,一旦有可能可行X这样CtX≤目标
被发现。放选项
至[]
使用Xinit
和目标
使用默认选项。
控制参数
可选的论点选项
访问优化代码的某些控制参数。在Mincx
,这是一个五进入矢量,如下:
选项(1)
设置最佳值所需的相对精度洛普
(默认值= 10–2)。选项(2)
设置允许通过优化过程执行的最大迭代数(默认情况下为100)。选项(3)
设置可行性半径。它的目的和用法是feasp
。选项(4)
有助于加快终止。如果设置为整数值j> 0,该代码在目标时终止CtX在最后一个期间,降低的降低还不超过所需的相对精度j迭代。选项(5)= 1
关闭优化过程执行的轨迹。重置选项(5)
零(默认值)将其重新打开。
环境选项(i)
到零等同于将相应的控制参数设置为其默认值。看feasp
有关更多细节。
提示加速
在LMI优化中,根据迭代的计算开销主要来自解决表单的最小二乘问题
在哪里X是决策变量的向量。使用两种方法来解决此问题:一个t一个(默认)和QR分解一个当正常方程不适时(通常靠近解决方案时)。消息
*切换到QR
当求解器必须切换到QR模式时,将显示。
由于QR分解在大多数问题上逐渐昂贵,因此有时需要切换到QR。这是通过设置完成的选项(4)= 1
。虽然不能保证产生最佳价值,但这通常在速度和准确性之间取决于良好的权衡。
内存问题
基于QR的线性代数(见上文)不仅在计算开销方面还很昂贵,而且在内存需求方面也很昂贵。结果,QR所需的内存量可能超过您的交换空间,这些空间与大量LMI约束有关。在这种情况下,matlab®发出错误
???使用==> pds的错误。为您的选项键入帮助内存。
然后,您应该要求您的系统经理增加交换空间,或者,如果没有其他交换空间,请设置选项(4)= 1
。这将阻止切换到QR和Mincx
由于数值不稳定性而导致乔尔斯基失败时,将终止。
参考
求解器Mincx
实现Nesterov和Nemirovski的投射方法,如上所述
Nesterov,Yu和A. Nemirovski,凸编程中的内点多项式方法:理论和应用,暹罗,费城,1994年。
Nemirovski,A。和P. Gahinet,“求解线性基质不平等的投射方法”,Proc。阿米尔。cont。conf。,1994年,马里兰州巴尔的摩,第840-844页。
优化由C-MEX文件执行pds.mex
。