r - R - 优化 X,使得所有 n 的 min(sum(X_i)),其中 X_n + X_(n-1) + X_(n-2) >= Y_n,其中 Y 对所有 n 都是已知的
问题描述
我有一个长度为 50 的未知向量 X,以及一个已知的常数向量 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,具有以下约束:
X_n + X_{n-1} >= Y_n
我不知道从哪里开始 R。
解决方案
我想你可以尝试CVXR
解决优化问题。
- 首先,让我们定义一个
M
如下所示的矩阵
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,我们构造目标函数以及约束
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,我们可以看到
X
via的值res$getValue(X)
示例
如下Y
_
set.seed(1)
Y <- runif(10)
我们可以得到
Xopt <- res$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
另一种可能的选择可能是pracma::fmincon
,例如,
pracma:: fmincon(rep(0, 11),
function(x) sum(x),
A = -M,
b = -Y,
lb = 0,
)
推荐阅读
- java - Optaplanner 和链接
- vb.net - 为什么画的点有时会消失?
- javascript - 电子:找不到模块 jQuery
- python - Python函数仅返回列数据的第一个值
- visual-studio - 如何(重新)启用 Visual Studio 中的异常中断?
- c# - 如何从 XAML 内部访问嵌套命名空间?
- repository - IT景观工件软件服务的存储库工具
- angular - 如何在 Angular 7/8 中使用 ngx-carousel-3d?
- java - 我没有使用 LinkedHashMap 获得代码中值的正确键
- svn - 是否可以将多个 Subversion 存储库合并为一个而不更改修订版