ΘΕΜΑ: Βιβλιοθήκη Βελτιστοποίησης CVXPY

Καλημέρα σε όλους,

Έχει ασχοληθεί κανείς με την CVXPY;
Το πρόβλημα έχει να κάνει με Μη Γραμμικό Ακέραιο Προγραμματισμό, δουλεύω με NumPy arrays και ελαχιστοποίηση ενώ προσπαθώ να περάσω δυναμικά constraint από δικό μου function εκτός βιβλιοθήκης κάτι το οποίο φαντάζει μάλλον αδύνατο.
Αν χρειαστεί επιστρέφω με περισσότερες πληροφορίες.

Ευχαριστώ εκ των προτέρων

Με την συγκεκριμένη βιβλιοθήκη δεν έχω ασχοληθεί, αλλά με ακέραιο προγραμματισμό, προβλήματα βελτιστοποίησης ναι.

Η βιβλιοθήκη «CVXPY» είναι μόνο για convex ( κυρτά ? ) προβλήματα βελτιστοποίησης ;
Όπως προανέφερα με προβλήματα βελτιστοποίησης έχω ασχοληθεί, αλλά τώρα με "κυρτά"... δε καταλαβαίνω τι θέλει να πει ο ποιητής...

Για γράψε μας φίλε με λεπτομέρειες τι παίζει, να δούμε αν μπορούμε να βοηθήσουμε..
Φαίνεται ενδιαφέρον πάντως, ωραίος!

Καλησπέρα και πάλι, καλή και προγραμματιστική χρονιά εύχομαι σε όλους.

Ναι όντως η CVXPY είναι για κυρτά (convex) προβλήματα βελτιστοποίησης, ωστόσο την επέλεξα καθώς μου έδινε την επιλογή solver ορίζοντας αν το πρόβλημα μου είναι γραμμικό ή μη γραμμικό. Δεδομένου λοιπόν ότι το πρόβλημα είναι μη γραμμικό, καθώς στα constraints περνάμε σε πολλαπλασιασμούς πινάκων για να απορρίπτουμε τιμές αποδεκτές στο Numpy array, οι συναρτήσεις των constraints της CVXPY δεν έφταναν. Παράλληλα, όπως με ενημερωσαν από το group της CVXPY σαν βιβλιοθήκη δέχεται μόνο functions για τα objectives και τα constraints μόνο τις συναρτήσεις της βιβλιοθήκης. Κοινώς η λύση δεν ήταν εφικτή όπως την είχα προσεγγίσει.
Τελικά η λύση φαίνεται να δίνεται μέσω της PySCIPopt που είναι για Μεικτό Ακέραιο Γραμμικό (MILP) και Μη γραμμικό Προγραμματισμό (MINLP) καθώς μπορείς να ελέγχεις και να παρεμβαίνεις σε όλη την διαδικασία της βελτιστοποίησης προσαρμόζοντας τα constraints. Μόλις λυθεί το πρόβλημα ευχαρίστως να το ανεβάζω καθώς συνοψίζει Μεικτό Ακέραιο Μη Γραμμικό Προγραμματισμό, ελαχιστοποίηση σε arrays, χωρικούς περιορισμούς και min flow analysis μέσω του TSP (Travelling Salesman Problem).
Συνοψίζοντας και εντελώς επικουρικά, μιας και έχω δοκιμάσει 3-4 διαφορετικές βιβλιοθήκες να το λύσω, για Γραμμικά Προβλήματα η PULP της Python είναι μία εύχρηστη και αξιόπιστη βιβλιοθήκη. Για Γραμμικά, Μη-Γραμμικά και γενικά για προβλήματα Ακέραιου Προγραμματισμού οι CVXPY-CVXopt, Pyomo και PySCIPopt είναι σχετικά εύχρηστες με αναλυτικά documentations,tutorials και παραδείγματα (η PySCIPopt υστερεί βέβαια στο κομμάτι του documentation).
Όπου αναφέρω ή λέω κάτι εσφαλμένο δεκτή κάθε διόρθωση καθώς οι γνώσεις μου σε προγραμματισμό και βελτιστοποίηση είναι βασικές και τώρα σιγά σιγά τις εμπλουτίζω στήνοντας και το πρόβλημα. Εύχομαι οι πληροφορίες να είναι έστω και έτσι χρήσιμες για κάποιον που θέλει να ασχοληθεί με βελτιστοποίηση.
Επιστρέφω πάλι με νεότερα και εύχομαι με την λύση του προβλήματος, αναλυτικά πλεόν.

Υγεια και καλη χρονια για ολους.
Λουκα αν μπορεις δωσε παραπανω λινκ για γραμμικο και simplex

Αν και τα γράφεις λίγο μαζεμένα ( για εμένα ), πολύ ενδιαφέροντα αυτά που μας λες και θα βοηθήσουν όσους πάνε να εμπλακούν με αυτά.

Αν είναι εφικτό ανέβασε μας και την εκφώνηση της άσκησης/προβλήματος που έχεις και προσπαθείς να λύσεις.

Ευχαριστώ.

Ναι η αλήθεια είναι πως έγραψα αρκετά παραπάνω, απλά ανέφερα όλα τα εμπόδια που είχα συναντήσει προκειμένου ενδεχομένως να σώσουν κάποιον άλλο. Το πρόβλημα στην πρωτογενή μορφή του το παραθέτω στο παρακάτω link. Στην συνέχεια προέκυψαν πολλές αλλαγές γι 'αυτό και ελπίζω να ολοκληρωθεί σύντομα και να αναρτήσω την πλήρη λύση, καθώς αποτελεί τμήμα της έρευνας μου.

stackoverflow.com/questions/46278267/pyt...onstraints-neighbors
Tassos έγραψε:

Η Pulp και η Scipy μέσω του linprog είναι μία λύση. Παράλληλα, παραθέτω παραδείγματα από τις βιβλιοθήκες και εφαρμογές:

1. pythonhosted.org/PuLP/main/optimisation_concepts.html
2. docs.scipy.org/doc/scipy/reference/optim...linprog-simplex.html
3. github.com/dmishin/pylinprog
4. github.com/j2kun/simplex-algorithm
5. github.com/khalibartan/simplex-method

Εύχομαι να βοηθήσουν!

nikpol έγραψε: