问题描述
我有一个长度为50的未知向量X和一个常数的已知向量Y(长度为50)。
我希望找到X,使得对于X_i> = 0,sum(X_i)被最小化,约束为:
X_n + X_ {n-1}> = Y_n
我不确定从R开头。
解决方法
我想您可以尝试CVXR
来解决优化问题。
- 首先,让我们如下定义一个矩阵
M
M <- matrix(0,nrow = 10,ncol = 11)
for (i in 1:nrow(M)) {
for (j in 1:ncol(M)) {
if (j %in% (i+(0:1))) M[i,j] <- 1
}
}
看起来像
> M
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11]
[1,] 1 1 0 0 0 0 0 0 0 0 0
[2,] 0 1 1 0 0 0 0 0 0 0 0
[3,] 0 0 1 1 0 0 0 0 0 0 0
[4,] 0 0 0 1 1 0 0 0 0 0 0
[5,] 0 0 0 0 1 1 0 0 0 0 0
[6,] 0 0 0 0 0 1 1 0 0 0 0
[7,] 0 0 0 0 0 0 1 1 0 0 0
[8,] 0 0 0 0 0 0 0 1 1 0 0
[9,] 0 0 0 0 0 0 0 0 1 1 0
[10,] 0 0 0 0 0 0 0 0 0 1 1
- 然后,我们构造目标函数和约束
library(CVXR)
X <- Variable(11)
objective <- Minimize(sum(X))
constraints <- list( X>=0,M%*%X >= Y)
problem <- Problem(objective,constraints)
res <- solve(problem)
- 最后,我们可以通过
X
看到res$getValue(X)
的值
示例
如下给出Y
set.seed(1)
Y <- runif(10)
我们可以得到
Xopt <- res$getValue(X)
> Xopt
[,1]
[1,] 1.667850e-07
[2,] 3.072356e-01
[3,] 6.488860e-02
[4,] 6.214644e-01
[5,] 2.867441e-01
[6,] 1.486883e-02
[7,] 8.835218e-01
[8,] 7.476340e-02
[9,] 5.860353e-01
[10,] 5.264372e-02
[11,] 9.142897e-03
另一个可能的选项可能是pracma::fmincon
,例如
pracma:: fmincon(rep(0,11),function(x) sum(x),A = -M,b = -Y,lb = 0,)
,
这可以表示为线性程序
min 1'x
s.t. Ax >= y
x >= 0
我们可以使用lpSolve包来解决此问题。令n为x的长度,k为每个约束中x的数量。问题主体中定义的约束条件对应于k = 2,但问题的主题定义的约束条件不同,对应于k = 3。将有n-k + 1个约束。
embed(1:n,k)
创建一个n-k + 1×k矩阵,每个矩阵的行是A对应行中矩阵的列的索引。例如,对于k = 2,{{1的第一行}}为1:2,因为embed(...)
第一行的元素1和2为1,而A的其余行为零。 A
输出的第二行是2:3,第三行是3:4,依此类推。然后,我们在各行上应用replace,以将n的零向量embed
替换为这些职位。套用作品的方式是,它提供所需内容的转置,因此我们将其转回以获得numeric(n)
。
最后,我们运行线性程序。我们可以使用A
来检查返回的输出组件。特别是,我们将解决方案显示为str(out)
。
out$solution