cvxopt

0热度

1回答

最佳解是否有不脱离如示于下面的例子显示了迭代值如pcost，dcost，间隙等只显示在cvxopt的最佳值的方式， n = 5 #no. of design variables P = spmatrix(1,range(n),range(n)) q = matrix([[60.341,13.05,1.217,5.5,24.2]]) m = matrix([[0,0,-2.778,-0.002

1热度

1回答

为什么CVXOPT为这种非线性网络流量优化提供排名误差？

我正在考虑使用cvxopt来解决一些非线性网络流量优化问题。为了理解基础知识，我用一个非常简单的测试网络来测试它，只有4个顶点和5个边。我的网络看起来像this。蓝色和红色节点分别是源和汇。在每个边缘上的成本是： alpha*x**2 x表示包含在每个边缘上的流动的矢量，和α是一些系数。我的优化问题是： min sum(alpha*x**2) subject to: E*

-1热度

3回答

如何获得真值在循环与if语句

我无法获得嵌套for loop。这里的条件if statement正确的值是写在代码的例子， # Input data d11 = np.matrix([[3,6,1],[6,8,1],[1,1,1],[5,8,9]]) qp1 = np.matrix([[1],[3],[5]]) h1 = np.matrix([[5],[40],[100],[5]]) 我需要的那一行d11 matri

0热度

1回答

Frontier Equation - 将多项式拟合到数据集的顶部

如何使用python将多项式拟合到经验数据集中，使其适合数据的“顶部” - 即对于每个x值，函数的输出大于该x处的最大y。但同时它最大限度地减少了这个数据。什么我指的是在下面的图片中看到的一个例子：

5热度

1回答

如何在python 3.6上的windows 10上安装cvxopt

如何在python 3.6上的Windows 10上安装cvxopt？当运行 conda install cvxopt Fetching package metadata ........... Solving package specifications: . UnsatisfiableError: The following specifications were found to

-1热度

1回答

乞求有关安装cvxopt-1.1.9-cp36-cp36m-win_amd64.whl

安装“cvxopt-1.1.9-cp36-cp36m-win_amd64.whl”时的问题，问题总是在进行。我使用win7系统，anoconda与python3.6.1。安装过程保持通过在cmd窗口 'PIP安装cvxopt-1.1.9-CP36-cp36m-win_amd64.whl'。（该路径已切换到cvxopt-1.1.9-cp36-cp36m-win_amd64.whl'path）。 c

0热度

1回答

python 3.5 - 不能使用cvxopt

尝试在Anaconda中使用cvxopt。遵循安装指令这里：How to install cvxopt for Python 3.5 on Windows 7 但得到的错误： import cvxopt File "C:\Anaconda3\lib\site-packages\cvxopt\__init__.py", line 32, in <module> import cvxopt.

0热度

1回答

如何使用cvxopt.qp为二次编程设置因子暴露约束？

尝试优化投资组合权重分配，以最大限度降低经典Markowitz投资组合的风险。比方说，如果我有一个因素暴露约束数据帧，其表示像 In [138]: exp_sub = pd.DataFrame(data=[[-10, 20],[-10, 20],[-10, 20],[-10, 20],[-10, 20]], columns=['lower','upper']) In [131]: exp_s

0热度

1回答

将mpma转换为python float以支持cvxopt

我正在使用qudratic编程问题来处理CVXOPT。要创建一个G矩阵，我需要区分方程并计算values.For区分我使用Sympy.mpmath和lambda函数如下所示。我以mpf格式获得输出。请建议我一种将mpf转换为支持CVXOPT的python float格式的方法。三江源 dg1 = np.array([sp.mpmath.diff(lambda x1,x2,x3,x4,x5:0.7

0热度

2回答

投资组合优化：如何使用cvxopt.solver.qp受到目标风险的最大回报？

尝试优化投资组合权重分配，通过使用cvxopt模块限制风险来最大化我的回报函数。我的代码如下： from cvxopt import matrix, solvers, spmatrix, sparse from cvxopt.blas import dot import numpy import pandas as pd import numpy as np from datetime