Hey,
hat jemand von euch Erfahrung mit konvexer Optimierung in Python?
Ich hab folgendes Konvexes Quadratisches Optimierungsproblem:
min 1/2*a.T*H*a - h.T*a + lamda*1.T*a
über a element R^b
unter der Nebenbedingung a >= 0
wobei gilt:
a ist ein ein b-dimensionaler Vektor ist; a.T = a transponiert
H ist eine (b x b)-Matrix
h ein b-dimensionaler Vektor; h.T = h transponiert
lamda ein Regularisierungsparameter (den ich aber kenne)
1 ein b-dimensionaler Eins-Vektor
Hat jemand Erfahrung mit der Lösung solcher (konvexer) quadratischer Programme?
Gruß
hukd
Konvexe Optimierung mit Python
Hallo,
ich habe es selber noch nicht getestet, aber vielleicht könnte Ipopt dir weiterhelfen. Dafür scheint es auch Python-Bindings zu geben, welche allerdings nicht wirklich besonders umfangreich aussehen. Du könntest natürlich das Toolkit erstmal so testen und dann ggf. für deinen Spezialfall selber Bindings schreiben. Hängt natürlich davon ab, was du genau vor hast und ob sich der Zeitaufwand dafür lohnt. Sicher tauchen hier aber noch andere Vorschläge auf.
Sebastian
ich habe es selber noch nicht getestet, aber vielleicht könnte Ipopt dir weiterhelfen. Dafür scheint es auch Python-Bindings zu geben, welche allerdings nicht wirklich besonders umfangreich aussehen. Du könntest natürlich das Toolkit erstmal so testen und dann ggf. für deinen Spezialfall selber Bindings schreiben. Hängt natürlich davon ab, was du genau vor hast und ob sich der Zeitaufwand dafür lohnt. Sicher tauchen hier aber noch andere Vorschläge auf.
Sebastian
Das Leben ist wie ein Tennisball.