[英]Pulp Linear optimization with objective function as Matrix multiplication
我有一個目標函數,可使用var-協方差矩陣和加權矢量找到標准差。
In [388]: equal_weights
Out[388]:
array([ 3.57142857, 3.57142857, 3.57142857, 3.57142857, 3.57142857,
3.57142857, 3.57142857, 3.57142857, 3.57142857, 3.57142857,
3.57142857, 3.57142857, 3.57142857, 3.57142857, 3.57142857,
3.57142857, 3.57142857, 3.57142857, 3.57142857, 3.57142857,
3.57142857, 3.57142857, 3.57142857, 3.57142857, 3.57142857,
3.57142857, 3.57142857, 3.57142857])
我有形狀為28,28的var-cov矩陣
var_cov_matrix
Out[389]:
array([[ 6.71849405e-04, 1.07026673e-04, 6.79182814e-04,
5.92496081e-04, 6.76905450e-04, 5.68079259e-04,
2.22977933e-04, 6.27305383e-04, 1.93215258e-04,
7.58978339e-04, 6.04280523e-04, 6.76028095e-04,
5.56815379e-04, 7.24121343e-04, 1.29104023e-04,
5.65809917e-04, 2.21988437e-04, 7.96973235e-05,
6.22684153e-04, 7.24716154e-04, 7.34006960e-04,
8.06120887e-04, 7.00056878e-04, 6.61041132e-04,
1.43439814e-04, 2.27692364e-04, 4.44174103e-04,
4.52772521e-04],
[ 1.07026673e-04,......]]
我必須通過運行紙漿優化器來找到優化的重量。 目標函數是
math.sqrt((eq_wt_vector.transpose() @ var_cov_matrix) @ eq_wt_vector)
目的是在有約束的情況下最小化上述函數生成的值,
sum(equal_weights) - 1 == 0
我經歷了很多例子,線性方程組都有解決方案。 對於這個特定問題的解決方案將是極大的贊賞。 謝謝。
感謝@Rodrigo de Azevedo的提示。 是的,我可以使用cvxpy包解決問題。 使用cvxpy庫的條件多種多樣,如下所示:
解決方法如下,
對象功能:
(eq_wt_vector.transpose() @ var_cov_matrix) @ eq_wt_vector
在DCP中表示為
Minimize(quad_form(a, b))
其中quad(a,b)= aT * b * a
解:
from cvxpy import Variable,Problem,Minimize,sum_entries,quad_form
a = Variable(var_cov_matrix.shape[0]) #vector of column length = matrix length
b = np.matrix(var_cov_matrix)
objective = Minimize(quad_form(a, b))
constraints = [sum_entries(a) == 100, 0<=a, a<=100] #constraints for vector - sum of elements = 100, lies between 0,100
prob = Problem(objective, constraints)
optimized_deviation = prob.solve()
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.