双层优化入门(2)—基于yalmip的双层优化求解(附matlab代码)

简介: ​上一篇博客介绍了双层优化的基本原理和使用KKT条件求解双层优化的方法,这篇博客将介绍使用yalmip的双层优化问题的求解方法。1.KKT函数通过调用yalmip工具箱中的KKT函数,可以直接求出优化问题的KKT条件,省去自己手动写的步骤。2.solvebilevel函数solvebilevel是yalmip工具箱内置的求解双层优化问题的函数。也就是通过这个函数,不需要咱手动写KKT条件,也不需要使用KKT函数,直接把上、下层优化的目标函数、约束条件往里面一放,就能求出结果。​

         上一篇博客介绍了双层优化的基本原理和使用KKT条件求解双层优化的方法,这篇博客将介绍使用yalmip的双层优化问题的求解方法。

1.KKT函数

       通过调用yalmip工具箱中的KKT函数,可以直接求出优化问题的KKT条件,省去自己手动写的步骤,函数用法如下:

[KKTsystem, details] = kkt(Constraint,Objective,z)

image.gif

       其中z表示优化变量,KKTsystem存储KKT条件的约束表达式,details是一个结构体变量,用于存储KKT条件的细节。以上一篇博客中双层优化问题的下层优化问题为例:


matlab代码:

%% 目标函数和约束条件
x=sdpvar(1);
y=sdpvar(1);
Constraints=[-3*x+y <= -3 , 3*x+y <= 30];
objective=-y;
[KKTsystem, details] = kkt(Constraints,objective,x);

image.gif

运行结果:

image.gif


       将下层优化的KKT条件作为约束添加到上层优化中,就可以求出这个双层优化的结果:

%% 清空
clc
clear
close all
warning off
%% 目标函数和约束条件
x=sdpvar(1);
y=sdpvar(1);
Constraints_down=[-3*x+y <= -3 , 3*x+y <= 30];
objective_down=-y;
[KKTsystem , details] = kkt(Constraints_down,objective_down,x);
Constraints_up=[2*x-3*y >= -12 , x+y <= 14];
objective_up=-x-2*y;
ops=sdpsettings('verbose', 0 , 'solver', 'gurobi');
result=optimize([KKTsystem,Constraints_up,boundingbox([Constraints_up,Constraints_down])],objective_up,ops);
%% 输出模型
saveampl(KKTsystem,objective_down,'KKT_model');
%% 输出结果
disp(['最优解:x=',num2str(value(x)),',y=',num2str(value(y))])
disp(['最优函数值=',num2str(value(objective_up))])

image.gif

       求解的结果如下:

image.gif

       和上一篇博客手动写KKT的求解结果一致。

       上面的例子是一个简单的线性双层优化问题,yalmip官方文档中给出了使用KKT函数求解非线性双层优化的例子。这个双层优化问题如下:

image.gif

一样可以用KKT函数求解,代码如下(这是官网提供的代码):

sdpvar x1 x2 y1 y2 y3
OO = -8*x1-4*x2+4*y1-40*y2-4*y3;
OO = OO+OO^2;
CO = [x1>=0, x2>=0];
OI = (x1+2*x2+y1+y2+2*y3)^2;
CI = [[y1 y2 y3] >= 0,
       -y1+y2+y3 <= 10,
      2*x1-y1+2*y2-0.5*y3 <= 10,
      2*x2+2*y1-y2-0.5*y3 <= 9.7];
[K,details] = kkt(CI,OI,[x1 x2])
optimize([K,CO,boundingbox([CI,CO]),details.dual<=100],OO)

image.gif

求解结果为:

最优目标函数为-0.25

x1=0.0625,x2=0,y1=0,y2=0,y3=0。

2.solvebilevel函数

       solvebilevel是yalmip工具箱内置的求解双层优化问题的函数。也就是通过这个函数,不需要咱手动写KKT条件,也不需要使用KKT函数,直接把上、下层优化的目标函数、约束条件往里面一放,就能求出结果。

       代码如下:

%% 清空
clc
clear
close all
warning off
%% 目标函数和约束条件
x=sdpvar(1);
y=sdpvar(1);
Constraints_down=[-3*x+y <= -3 , 3*x+y <= 30];
objective_down=-y;
Constraints_up=[2*x-3*y >= -12 , x+y <= 14];
objective_up=-x-2*y;
solvebilevel(Constraints_up,objective_up,Constraints_down,objective_down,y)
%% 输出结果
disp(['最优解:x=',num2str(value(x)),',y=',num2str(value(y))])
disp(['最优函数值=',num2str(value(objective_up))])

image.gif

求解结果如下:

image.gif

        和上篇博客手动写KKT条件,这篇博客利用KKT函数求解的结果都是一样的,确实比较省事。但也要注意,这个函数只适用于规模较小的问题,如果问题规模比较大,还是需要自己手动进行双层问题的求解。

完整代码可以从这里获取:

双层优化入门(2)-基于yalmip的双层优化求解

参考资料均来源于yalmip官方文档:

[1]KKT函数的用法介绍

[2]双层优化的求解

[3]双层优化求解的备用方法

[4]solvebilevel函数用法介绍

目录
打赏
0
0
0
0
38
分享
相关文章
|
8月前
|
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
310 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
189 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
226 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)

热门文章

最新文章