Ich frage mich, was ist der schnellste konvexe Optimierer in Matlab oder gibt es eine Möglichkeit, aktuelle Löser zu beschleunigen? Ich benutze CVX, aber es dauert ewig, um das Optimierungsproblem zu
Ich laufe CVX mit verschiedenen Parametern parallel. Wenn in Serie geschaltet ist, ich habe keine Warnung erhalten, aber parallel (mit parfor) ausgeführt wird, erhalte ich folgende: In cvx/bcompress (
CVXPY ich folgende SDP konvertieren möchten - die nur die Machbarkeit der Einschränkungen überprüft - von CVX (MATLAB) zu CVXPY (Python): Ah = [1.0058, -0.0058; 1, 0];
Bh = [-1; 0];
Ch = [1.0058, -0
ich ein SVM Problem der Form haben: minimize ||Q||_F subject to l_i (x_i^T Q x_i) >= 1
wo Q eine quadratische Matrix ist, die x_i 's sind die Trainingsbeispiele und die l_i' s sind die Etiketten für
Mit folgendem konvexen Problem: minimize ∥Ax−b∥2
subject to l⪯x⪯u
Es könnte mit CVX, mit SDPT3 Solver in Matlab erfolgen: cvx_begin
variable x(n)
minimize(norm(A*x-b))
subject to