Квадратичное программирование со многими линейными ограничениями

В этом примере показано, как хорошо quadprog 'active-set' алгоритм выполняет в присутствии многих линейных ограничений, по сравнению с 'interior-point-convex' по умолчанию алгоритм. Кроме того, множители Лагранжа от 'active-set' алгоритм ниже нуля при неактивных ограничениях, которые могут быть полезными, когда вы ищете активные ограничения.

Описание проблемы

Создайте псевдослучайную квадратичную проблему с N переменные и 10*N линейные ограничения неравенства. Задайте N = 150.

rng default % For reproducibility
N = 150;
rng default
A = randn([10*N,N]);
b = 10*ones(size(A,1),1);
f = sqrt(N)*rand(N,1);
H = 18*eye(N) + randn(N);
H = H + H';

Проверяйте, что получившаяся квадратичная матрица выпукла.

ee = min(eig(H))
ee = 3.6976

Все собственные значения положительны, таким образом, квадратичная форма x'*H*x выпукло.

Не включайте линейные ограничения равенства или границы.

Aeq = [];
beq = [];
lb = [];
ub = [];

Решите задачу Используя два алгоритма

Установите опции использовать quadprog 'active-set' алгоритм. Этот алгоритм требует начальной точки. Установите начальную точку x0 быть нулевым вектором из длины N.

opts = optimoptions('quadprog','Algorithm','active-set');
x0 = zeros(N,1);

Время решение.

tic
[xa,fvala,eflaga,outputa,lambdaa] = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0,opts);
Minimum found that satisfies the constraints.

Optimization completed because the objective function is non-decreasing in 
feasible directions, to within the value of the optimality tolerance,
and constraints are satisfied to within the value of the constraint tolerance.

<stopping criteria details>
toc
Elapsed time is 0.042058 seconds.

Сравните время решения со временем 'interior-point-convex' по умолчанию алгоритм.

tic
[xi,fvali,eflagi,outputi,lambdai] = quadprog(H,f,A,b);
Minimum found that satisfies the constraints.

Optimization completed because the objective function is non-decreasing in 
feasible directions, to within the value of the optimality tolerance,
and constraints are satisfied to within the value of the constraint tolerance.

<stopping criteria details>
toc
Elapsed time is 2.305694 seconds.

'active-set' алгоритм намного быстрее на проблемах со многими линейными ограничениями.

Исследуйте множители Лагранжа

'active-set' алгоритм сообщает о только нескольких ненулевых записях в структуре множителя Лагранжа, сопоставленной с линейной матрицей ограничений.

nnz(lambdaa.ineqlin)
ans = 14

В отличие от этого 'interior-point-convex' алгоритм возвращает структуру множителя Лагранжа со всеми ненулевыми элементами.

nnz(lambdai.ineqlin)
ans = 1500

Почти все эти множители Лагранжа меньше, чем N*eps в размере.

nnz(abs(lambdai.ineqlin) > N*eps)
ans = 20

Другими словами, 'active-set' алгоритм дает ясные признаки относительно активных ограничений в структуре множителя Лагранжа, тогда как 'interior-point-convex' алгоритм не делает.

Смотрите также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте