如何向量化 julia 凸不等式约束

Question

我正在尝试对比较两种 Convex 类型的不等式约束进行矢量化。一方面，我有 Convex.MaxAtoms，另一方面，我有 Variables。我想做如下事情：

using Convex
N = 10
t = Variable(1)
v = Variable(N)
x = Variable(1)
z = rand(100)

problem = minimize(x)
problem.constraints += [t >= 0]

ccc = Vector{Convex.MaxAtom}(N)
for i = 1:N
    c = -(1. + minimum(x.*z))
    cc = t + c
    ccc[i] = max(cc,0.)
end
problem.constraints += [ccc <= v]

但我在最终约束上收到以下错误：

ERROR: LoadError: MethodError: no method matching isless(::Complex{Int64}, ::Int64)

我不确定 Int64 类型是从哪里来的。除了循环和添加像

这样的单独比较之外，是否有更好的方法来添加这个约束

for i = 1:N
      problem.constraints += [ccc[i] <= v[i]]
end

我正在努力避免这种情况，因为最终我的 10 会大得多。

Answer 1

在这种情况下（感谢 Udell 博士），它可以矢量化为

c = -(1. + xisim + minimum(x.*z))
cc = t + c
ccc = max(cc,0.)
problem.constraints += [ccc <= v]

如何向量化 julia 凸不等式约束

how to vectorize julia Convex inequality constraints

julia

convex