Hardprob/Maximum Quadratic Programming — различия между версиями

Материал из DISCOPAL
Перейти к: навигация, поиск
 
(не показано 5 промежуточных версий этого же участника)
Строка 1: Строка 1:
<!-- start --><!-- {{svg-image-for-hard-problem|{{PAGENAME}}}} -->
+
<!-- start -->{{png-image-for-hard-problem|{{PAGENAME}}}}
 
* Положительное целое <em>n</em>, набор линейных ограничений заданных в виде <em>m×n</em> матрицы, и <em>m</em>-вектора <em>b</em>, задающие область <m>S⊆ R^n</m> ограничениями <m>S=\{x∈  [0,1]^n: Ax≤b\}</m>.
 
* Положительное целое <em>n</em>, набор линейных ограничений заданных в виде <em>m×n</em> матрицы, и <em>m</em>-вектора <em>b</em>, задающие область <m>S⊆ R^n</m> ограничениями <m>S=\{x∈  [0,1]^n: Ax≤b\}</m>.
* [https://en.wikipedia.org/wiki/Polynomial многомерный многочлен] <em>f<em>, максимальной степени не больше 2.
+
* [https://en.wikipedia.org/wiki/Polynomial многомерный многочлен] <em>f</em>, максимальной степени не больше 2. Имея
* Максимизировать значение <em>f</em> в области заданной линейными ограничениями, т.е. <m>\max_{x∈  S} f(x) → \max</m>.
+
** <em>Q</em> — симметричная положительно-полуопределенная матрица,
 +
** <em>c</em> — вектор линейных коэффициентов
 +
* Можно представить его в виде: <m>f(x) = x^{T} Q x + c^{T} x</m>
 +
* Максимизировать значение <em>f</em> в области заданной линейными ограничениями, т.е. <m>f(x)_{x∈S} → \max</m>.
  
 
----
 
----
 
{{hard-problem-on-lab17|{{PAGENAME}}}}
 
{{hard-problem-on-lab17|{{PAGENAME}}}}
<!-- * {{has-testdata-and-visualization}} -->
+
* {{has-testdata-and-visualization}}
<!-- * {{has-pyomo-model}}   -->
+
* {{has-pyomo-model}} {{vim|822121003}}
 
<!-- * {{has-npc-reduction}} -->
 
<!-- * {{has-npc-reduction}} -->
 
<!-- * {{add-random-fuzzing-tests}} -->
 
<!-- * {{add-random-fuzzing-tests}} -->

Текущая версия на 18:14, 28 апреля 2023

Maximum-quadratic-programming.png
  • Положительное целое n, набор линейных ограничений заданных в виде m×n матрицы, и m-вектора b, задающие область ограничениями .
  • многомерный многочлен f, максимальной степени не больше 2. Имея
    • Q — симметричная положительно-полуопределенная матрица,
    • c — вектор линейных коэффициентов
  • Можно представить его в виде:
  • Максимизировать значение f в области заданной линейными ограничениями, т.е. .

Задача в лаб22 (рид-онли просмотр)

  • Data-vis-logo.png — есть тестовые данные и визуализация.
  • PyomoLogo.png — есть Pyomo-формулировка для ЦЛП. 📺 видео 📺