[英]Simple Symbolic LP problem to Matrix form
我解決了一個線性規划問題,這是我的符號形式代碼。
import cvxpy as cp
import numpy as np
x11 = cp.Variable(nonneg=True)
x12 = cp.Variable(nonneg=True)
x21 = cp.Variable(nonneg=True)
x22 = cp.Variable(nonneg=True)
x31 = cp.Variable(nonneg=True)
x32 = cp.Variable(nonneg=True)
constraints = [x11 + x12 == 1000,
x21 + x22 == 1500,
x31 + x32 == 1200,
x11 + x21 + x31 == 2300,
x12 + x22 + x32 == 1400]
obj = cp.Minimize((80*x11 + 215*x12 + 100*x21 + 108*x22 + 102*x31 + 68*x32))
prob = cp.Problem(obj, constraints)
prob.solve()
print('status: ', prob.status)
print('optimal value: ', prob.value)
print('optimal variables: ', x11.value, x12.value, x21.value, x22.value, x31.value, x32.value)
狀態:最佳
最佳值:313200.00003146095
最佳變量:999.9999999627637 3.7235625579412695e-08 1299.99999940076 200.00000059923934 6.364774533690845e-07 1199.999999363524
但我想將此代碼更改為矩陣形式。 這是我的矩陣形式的另一個代碼
x = cp.Variable((3, 2), nonneg=True)
constraints = [cp.sum(x[0,:]) == 1000,
cp.sum(x[1,:]) == 1500,
cp.sum(x[2,:]) == 1200,
cp.sum(x[:, 0]) == 2300,
cp.sum(x[:, 1]) == 1400]
coe = [[80, 215], [100, 108], [102, 68]]
t
obj = cp.Minimize(cp.sum(coe @ x))
prob = cp.Problem(obj, constraints)
prob.solve()
print('status: ', prob.status)
print('optimal value: ', prob.value)
for i in range(3):
for j in range(2):
print('optimal variables:x('+str(i)+','+str(j)+')', x[i,j].value)
狀態:最佳
最佳值:810999.9999986519
最優變量:x(0,0) 649.9892627159586
最優變量:x(0,1) 350.01073728291954
最優變量:x(1,0) 900.0113075911175
最優變量:x(1,1) 599.9886924056102
最優變量:x(2,0) 749.9994296884455
最優變量:x(2,1) 450.00057030957413
我認為結果應該是相同的,矩陣形式的代碼是錯誤的。 你能找出我的錯誤嗎?
在處理矩陣乘法時必須小心,尤其是在不同的庫上。 我發現@
用於矩陣矩陣乘法。 而不是element-wise
乘法。 見cvxpy
的官方文檔。
在@
乘法期間,cvxpy 以某種方式誤解了您的目標。
解決方法:將obj = cp.Minimize(cp.sum(coe @ x))
改為
obj = cp.Minimize(cp.sum(cp.multiply(coe, xT)))
(我也很困惑為什么coe
被視為(2x3))
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.