【漫漫科研路\CC++】CPLEX解SOCP问题

2024-03-24 14:58
文章标签 c++ 问题 科研 cplex 漫漫 socp

本文主要是介绍【漫漫科研路\CC++】CPLEX解SOCP问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

IBM CPLEX可以解SOCP问题，但是需要先将这个SOCP问题化为指定的格式。本文首先介绍SOCP问题，然后举例介绍如何将SOCP问题转化为CPLEX认可的输入格式并求解。

SOCP的介绍

关于SOCP问题的介绍，可以参考Boyd等人写的Convex Optimization 或者是维基百科的SOCP词条 。这里摘录Convex Optimization一书中关于SOCP的定义：

在这里插入图片描述

CPLEX求解SOCP问题

使用CPLEX求解SOCP问题，一般需要将问题转化为CPLEX可以识别的格式。CPLEX的例子ilosocpex1(位于安装目录的examples文件夹内，例如：C:\Program Files\IBM\ILOG\CPLEX_Enterprise_Server129\CPLEX_Studio\cplex\examples)给予了格式说明：
在这里插入图片描述
下面我们首先给一个直接可以使用CPLEX求解的例子，然后在此基础上考虑一个更一般的例子（需要变量替换来符合格式）。

一个简单的例子

在这里插入图片描述
如上图所示，q1, q2可以直接转化为前面提到的CPLEX认可格式。下面给出源代码如下（注意项目需要预先配置好，配置请见上一篇博文）：

#include <cmath>
#include <string>
#include <iostream>
#include <ilcplex/ilocplex.h>ILOSTLBEGIN // import namespace std// Tolerance for testing KKT conditions.
#define TESTTOL 1e-9
// Tolerance for barrier convergence.
#define CONVTOL 1e-9//  A Simple Example//  Minimize//   obj: x1 + x2 + x3 + x4 + x5 + x6//  Subject To//   c1: x1 + x2      + x5      = 8//   c2:           x3 + x5 + x6 = 10//   q1: x1 >= |(x2, x3)| ---->>>>  q1: [ -x1^2 + x2^2 + x3^2 ] <= 0 and x1 >=0//   q2: x4 >= |x5|       ---->>>>  q2: [ -x4^2 + x5^2 ] <= 0 and x4 >=0//  Bounds//   x2 Free//   x3 Free//   x5 Free//   x6 Free//  Endstatic void
createmodel(IloModel& model, IloObjective &obj, IloNumVarArray &x,IloRangeArray &rngs, IloIntArray& cone)
{IloEnv env = model.getEnv();// Create variables.x.add(IloNumVar(env, 0, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, 0, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));// Create objective function and immediately store it in return value.// obj = IloMinimize(env, x1 + x2 + x3 + x4 + x5 + x6);obj = IloMinimize(env, x[0]+x[1] + x[2] + x[3] + x[4] + x[5]);// Setup model.model.add(x[0] + x[1] + x[4]==8);model.add(x[2] + x[4] + x[5]==10);model.add(-x[0] * x[0] + x[1] * x[1] + x[2] * x[2]<=0);//equal to model.add(-x[3] * x[3] + x[4] * x[4]<=0), useful for lots of variablesdouble a[] = {0,0,0, -1,1 };IloExpr temp(env);for (IloInt i = 3; i < 5; i++){temp += a[i] * x[i] * x[i];}model.add(temp <= 0);temp.end();model.add(obj);
}int
main(void)
{IloEnv env;int retval = -1;try {// Create the model.IloModel model(env);IloCplex cplex(env);IloObjective obj(env);IloNumVarArray vars(env);IloRangeArray rngs(env);IloIntArray cone(env);createmodel(model, obj, vars, rngs, cone);// Extract model.cplex.extract(model);// Solve the problem. If we cannot find an _optimal_ solution then// there is no point in checking the KKT conditions and we throw an// exception.cplex.setParam(IloCplex::Param::Barrier::QCPConvergeTol, CONVTOL);if (!cplex.solve() || cplex.getStatus() != IloAlgorithm::Optimal)throw string("Failed to solve problem to optimality");IloNumArray vals_x(env);env.out() << "Solution status = " << cplex.getStatus() << endl;env.out() << "Solution value  = " << cplex.getObjValue() << endl;cplex.getValues(vals_x, vars);env.out() << "Values        = " << vals_x << endl;env.end();}catch (IloException &e) {cerr << "IloException: " << e << endl;if (env.getImpl())env.end();::abort();}catch (string& e) {cerr << e << endl;if (env.getImpl())env.end();::abort();}return retval;
}

运行结果如下图：
在这里插入图片描述

一个更一般的例子

在前面例子的基础上，我们只是改变了约束q1，使其更一般化，如下图所示：
在这里插入图片描述

为了将q1转化为合适的格式，我们使用变量替换 $x_7=x_1+x_2 $ 。因此只需在前面源代码中更改 createmodel 函数中的部分代码。为保持代码完整性，我们依旧给出完整的代码：

#include <cmath>
#include <string>
#include <iostream>
#include <ilcplex/ilocplex.h>ILOSTLBEGIN // import namespace std// Tolerance for testing KKT conditions.
#define TESTTOL 1e-9
// Tolerance for barrier convergence.
#define CONVTOL 1e-9//  A Simple Example//  Minimize//   obj: x1 + x2 + x3 + x4 + x5 + x6//  Subject To//   c1: x1 + x2      + x5      = 8//   c2:           x3 + x5 + x6 = 10//   q1: x1 + x2 >= |(x1, x2, x3)| ---->>>> q1:[-x7^2+x1^2+x2^2+x3^2]<=0 and x7=x1+x2>=0//   q2: x4 >= |x5|       ---->>>>  q2: [ -x4^2 + x5^2 ] <= 0 and x4 >=0//  Bounds//   x1 Free//   x2 Free//   x3 Free//   x5 Free//   x6 Free//  Endstatic void
createmodel(IloModel& model, IloObjective &obj, IloNumVarArray &x,IloRangeArray &rngs, IloIntArray& cone)
{IloEnv env = model.getEnv();// Create variables.x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, 0, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, -IloInfinity, IloInfinity));x.add(IloNumVar(env, 0, IloInfinity));// x7// Create objective function and immediately store it in return value.// obj = IloMinimize(env, x1 + x2 + x3 + x4 + x5 + x6);obj = IloMinimize(env, x[0]+x[1] + x[2] + x[3] + x[4] + x[5]);// Setup model.model.add(x[0] + x[1] + x[4]==8);model.add(x[2] + x[4] + x[5]==10);model.add(x[6] - x[0] - x[1] == 0); // x7 = x1 + x2model.add(-x[6] * x[6]+ x[0] * x[0] + x[1] * x[1] + x[2] * x[2]<=0); //[-x7^2+x1^2+x2^2+x3^2]<=0//equal to model.add(-x[3] * x[3] + x[4] * x[4]<=0), useful for lots of variablesdouble a[] = {0,0,0, -1,1 };IloExpr temp(env);for (IloInt i = 3; i < 5; i++){temp += a[i] * x[i] * x[i];}model.add(temp <= 0);temp.end();model.add(obj);
}int
main(void)
{IloEnv env;int retval = -1;try {// Create the model.IloModel model(env);IloCplex cplex(env);IloObjective obj(env);IloNumVarArray vars(env);IloRangeArray rngs(env);IloIntArray cone(env);createmodel(model, obj, vars, rngs, cone);// Extract model.cplex.extract(model);// Solve the problem. If we cannot find an _optimal_ solution then// there is no point in checking the KKT conditions and we throw an// exception.cplex.setParam(IloCplex::Param::Barrier::QCPConvergeTol, CONVTOL);if (!cplex.solve() || cplex.getStatus() != IloAlgorithm::Optimal)throw string("Failed to solve problem to optimality");IloNumArray vals_x(env);env.out() << "Solution status = " << cplex.getStatus() << endl;env.out() << "Solution value  = " << cplex.getObjValue() << endl;cplex.getValues(vals_x, vars);env.out() << "Values        = " << vals_x << endl;env.end();}catch (IloException &e) {cerr << "IloException: " << e << endl;if (env.getImpl())env.end();::abort();}catch (string& e) {cerr << e << endl;if (env.getImpl())env.end();::abort();}return retval;
}

运行结果如下图：
在这里插入图片描述

这篇关于【漫漫科研路\CC++】CPLEX解SOCP问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/841948。

相关文章

好题——hdu2522（小数问题：求1/n的第一个循环节）

好题——hdu2522（小数问题：求1/n的第一个循环节）

好喜欢这题，第一次做小数问题，一开始真心没思路，然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数，不能写作两整数之比*****************************（一开始没想到，小学没学好） 此题1/n肯定是一个有限循环小数，了解这些后就能做此题了。 按照除法的机制，用一个函数表示出来就可以了，代码如下
阅读更多...
hdu1043（八数码问题，广搜 + hash（实现状态压缩） ）

hdu1043（八数码问题，广搜 + hash（实现状态压缩） ）

利用康拓展开将一个排列映射成一个自然数，然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu
阅读更多...
【C++ Primer Plus习题】13.4

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<
阅读更多...
C++包装器

C++包装器

包装器 在 C++ 中，“包装器”通常指的是一种设计模式或编程技巧，用于封装其他代码或对象，使其更易于使用、管理或扩展。包装器的概念在编程中非常普遍，可以用于函数、类、库等多个方面。下面是几个常见的 “包装器” 类型： 1. 函数包装器 函数包装器用于封装一个或多个函数，使其接口更统一或更便于调用。例如，std::function 是一个通用的函数包装器，它可以存储任意可调用对象（函数、函数
阅读更多...
C++11第三弹：lambda表达式 | 新的类功能 | 模板的可变参数

C++11第三弹：lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页： 南桥几晴秋 🌈C++专栏： 南桥谈C++ 🌈C语言专栏： C语言学习系列 🌈Linux学习专栏： 南桥谈Linux 🌈数据结构学习专栏： 数据结构杂谈 🌈数据库学习专栏： 南桥谈MySQL 🌈Qt学习专栏： 南桥谈Qt 🌈菜鸡代码练习： 练习随想记录 🌈git学习： 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�
阅读更多...
【C++】_list常用方法解析及模拟实现

【C++】_list常用方法解析及模拟实现

相信自己的力量，只要对自己始终保持信心，尽自己最大努力去完成任何事，就算事情最终结果是失败了，努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一：什么是list？ •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二：list常用接口 •🌰1.默认成员函数 🔥构造函数（⭐） 🔥析构函数 •🌰2.list对象
阅读更多...
06 C++Lambda表达式

06 C++Lambda表达式

lambda表达式的定义 没有显式模版形参的lambda表达式 [捕获] 前属性 (形参列表) 说明符 异常 后属性 尾随类型 约束 {函数体} 有显式模版形参的lambda表达式 [捕获] <模版形参> 模版约束 前属性 (形参列表) 说明符 异常 后属性 尾随类型 约束 {函数体} 含义 捕获：包含零个或者多个捕获符的逗号分隔列表 模板形参：用于泛型lambda提供个模板形参的名
阅读更多...
购买磨轮平衡机时应该注意什么问题和技巧

购买磨轮平衡机时应该注意什么问题和技巧

在购买磨轮平衡机时，您应该注意以下几个关键点： 平衡精度 平衡精度是衡量平衡机性能的核心指标，直接影响到不平衡量的检测与校准的准确性，从而决定磨轮的振动和噪声水平。高精度的平衡机能显著减少振动和噪声，提高磨削加工的精度。 转速范围 宽广的转速范围意味着平衡机能够处理更多种类的磨轮，适应不同的工作条件和规格要求。 振动监测能力 振动监测能力是评估平衡机性能的重要因素。通过传感器实时监
阅读更多...
科研绘图系列：R语言扩展物种堆积图（Extended Stacked Barplot）

科研绘图系列：R语言扩展物种堆积图（Extended Stacked Barplot）

介绍 R语言的扩展物种堆积图是一种数据可视化工具，它不仅展示了物种的堆积结果，还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异，为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl
阅读更多...
缓存雪崩问题

缓存雪崩问题

缓存雪崩是缓存中大量key失效后当高并发到来时导致大量请求到数据库，瞬间耗尽数据库资源，导致数据库无法使用。 解决方案： 1、使用锁进行控制 2、对同一类型信息的key设置不同的过期时间 3、缓存预热 1. 什么是缓存雪崩 缓存雪崩是指在短时间内，大量缓存数据同时失效，导致所有请求直接涌向数据库，瞬间增加数据库的负载压力，可能导致数据库性能下降甚至崩溃。这种情况往往发生在缓存中大量 k
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2