二阶锥规划问题有这样的形式
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中创建的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
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.
算法首先将问题放入标准形式.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
求解器扩展了线性系数向量的大小f线性约束矩阵一个来解释松弛变量。
该地区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一个sc(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,算法也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,年代),以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)和自对偶的。
(2) |
还有约束条件
(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(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是一个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2加上约束条件方程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,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。
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)提供证明,证明原始标准表格的问题不可行。
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。
算法试图遵循中央路径,为下式的参数化解γ从1到0递减。
(4) |
每个下标为0的变量表示该变量的起始点。
的变量X和年代是箭头矩阵由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
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年代= 0,x和年代是洛伦兹锥的乘积吗l,等于条件
对于每一个圆锥我.在这里X我=垫(x我),x我这个变量与洛伦兹锥有关吗我,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。
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,年代,κ).让dx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4.
算法通过步进得到下一个点d方向。
对于一些步骤 .
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].(详情请参见Andersen、Roos和Terlaky[1].)
前面的讨论涉及LinearSolver
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,算法计算三个相对收敛测度:
原始的不可行性
双不可行性
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”,“通路”);
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趋近于0,变量τk趋近于正常数。
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。
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=ConstraintTolerance
,
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。,爵士。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。数学学报,22(3):348-356,1996。
[3] Ben-Tal, Aharon和Arkadi Nemirovski。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。数学学报,32(1):1 - 10,2004。
Goldfarb, D.和K. Scheinberg。二阶锥规划内点法中的积型cholesky分解。数学学报,31(1):1 - 7,2005。
罗志权,Jos F. Sturm,张树忠。圆锥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] Mehrotra,桑杰。《关于原-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,没有。1(1997年2月):1 - 42。https://doi.org/10.1287/moor.22.1.1.