L1-范数最小化
L1-Norm minimization
我正在尝试使用线性规划最小化以下函数。我无法包含我的 objective 函数的图像。单击此 Objective Function 查看我正在尝试优化的内容。我的问题是 python 中有任何库或函数可以为我进行此优化，还是我应该编写代码？
scipy库的优化方法有最小化方法。我不确定您将如何找到 L1-Norm，但这也许有助于最小化。
最小化后()中列出的每个单词都是一个参数。 "fun" 参数是函数的参数，是您在使用其他方法找到 L1-Norm 后放置它的地方。
scipy.optimize.minimize(
fun, x0, args=(), method='BFGS',
jac=None, hess=None, hessp=None, bounds=None,
constraints=(), tol=None, callback=None, options=None
)
import cvxpy as cp
import numpy as np
N=10
M=100
U = np.random.random((M,N))
m = np.random.random(M)
t = cp.Variable(M)
x = cp.Variable(N)
prob = cp.Problem(cp.Minimize(cp.sum(t)), [-t<=U@x-m, U@x-m<=t])
optimal_value = prob.solve()
print("t=",t.value)
print("x=",x.value)
print("val=",optimal_value)
我正在尝试使用线性规划最小化以下函数。我无法包含我的 objective 函数的图像。单击此 Objective Function 查看我正在尝试优化的内容。我的问题是 python 中有任何库或函数可以为我进行此优化，还是我应该编写代码？
scipy库的优化方法有最小化方法。我不确定您将如何找到 L1-Norm，但这也许有助于最小化。
最小化后()中列出的每个单词都是一个参数。 "fun" 参数是函数的参数，是您在使用其他方法找到 L1-Norm 后放置它的地方。
scipy.optimize.minimize(
fun, x0, args=(), method='BFGS',
jac=None, hess=None, hessp=None, bounds=None,
constraints=(), tol=None, callback=None, options=None
)
import cvxpy as cp
import numpy as np
N=10
M=100
U = np.random.random((M,N))
m = np.random.random(M)
t = cp.Variable(M)
x = cp.Variable(N)
prob = cp.Problem(cp.Minimize(cp.sum(t)), [-t<=U@x-m, U@x-m<=t])
optimal_value = prob.solve()
print("t=",t.value)
print("x=",x.value)
print("val=",optimal_value)