От CVX до CVXPY или CVXOPT

Question

Я пытался передать некоторый код из Matlab в Python. У меня такая же проблема с выпуклой оптимизацией, которая работает над Matlab, но у меня проблемы с передачей ее CVXPY или CVXOPT.

n = 1000; 
i = 20; 
y = rand(n,1); 
A = rand(n,i); 
cvx_begin 
variable x(n); 
variable lambda(i); 
minimize(sum_square(x-y)); 
subject to 
    x == A*lambda; 
    lambda >= zeros(i,1); 
    lambda'*ones(i,1) == 1; 
cvx_end 

Это то, что я пытался с Python и CVXPY.

import numpy as np 
from cvxpy import * 

# Problem data. 
n = 100 
i = 20 
np.random.seed(1) 
y = np.random.randn(n) 
A = np.random.randn(n, i) 

# Construct the problem. 
x = Variable(n) 
lmbd = Variable(i) 
objective = Minimize(sum_squares(x - y)) 
constraints = [x == np.dot(A, lmbd), 
       lmbd <= np.zeros(itr), 
       np.sum(lmbd) == 1] 

prob = Problem(objective, constraints) 

print("status:", prob.status) 
print("optimal value", prob.value) 

Тем не менее, это не работает. Кто-нибудь из вас знает, как заставить его работать? Я уверен, что моя проблема связана с ограничениями . И также было бы неплохо иметь его с CVXOPT.

Answer 1

Я думаю, что у меня это было, у меня было одно из недостатков =), я добавил случайное число семян, чтобы сравнить результаты и проверить, что на самом деле то же самое на обоих языках. Я оставляю данные здесь, так что, может быть, это полезно для кого-нибудь;)

Matlab

rand('twister', 0); 
n = 100; 
i = 20; 
y = rand(n,1); 
A = rand(n,i); 
cvx_begin 
variable x(n); 
variable lmbd(i); 
minimize(sum_square(x-y)); 
subject to 
    x == A*lmbd; 
    lmbd >= zeros(i,1); 
    lmbd'*ones(i,1) == 1; 
cvx_end 

CVXPY

import numpy as np 
from cvxpy import * 

# random seed 
np.random.seed(0) 

# Problem data. 
n = 100 
i = 20 
y = np.random.rand(n) 
# A = np.random.rand(n, i) # normal 
A = np.random.rand(i, n).T # in this order to test random numbers 

# Construct the problem. 
x = Variable(n) 
lmbd = Variable(i) 
objective = Minimize(sum_squares(x - y)) 
constraints = [x == A*lmbd, 
       lmbd >= np.zeros(i), 
       sum_entries(lmbd) == 1] 

prob = Problem(objective, constraints) 
result = prob.solve(verbose=True) 

CVXOPT в ожидании .....