WOLFRAM

Wolfram言語 ＆ システム ドキュメントセンター
Wolfram言語ホームページ »

"Xpress" (最適化メソッド)

  • "Xpress" はXpress最適化ソルバライブラリを呼び出す．

詳細

  • TemplateBox[{Xpress, {URL[https://www.fico.com/en/products/fico-xpress-solver], None}, http://gurobi.com, HyperlinkActionRecycled, {HyperlinkActive}, BaseStyle -> {Hyperlink}, HyperlinkAction -> Recycled}, HyperlinkTemplate]は，線形，二次，二次制約付き二次，二階の，実変数および混合整数変数を持つ円錐問題のための商用最適化ソルバである．
  • Xpressのライセンスに関する情報は，Xpressのライセンスを取得するを参照されたい．
  • Method"Xpress"は，任意の凸最適化関数で，また適切な問題についてはNMinimizeおよび関連関数で使うことができる．
  • 次は，"Xpress"法の可能なオプションと対応するデフォルト値である．
  • MaxIterationsAutomatic使用する最大反復回数
    ToleranceAutomatic内部比較で使用する許容範囲

例題

すべて開くすべて閉じる

例  (2)基本的な使用例

"Xpress"法を使い，制約条件 に従って を最小にする：

In[30]:=30
✖
https://wolfram.com/xid/0naq8rw770m-bqp9v7
Out[30]=30

"Xpress"法を使い，整数 について , という制約条件に従ってTemplateBox[{{{, {x, ,, y}, }}}, Norm]を最小にする：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-hcp4np
Out[1]=1

スコープ  (11)標準的な使用例のスコープの概要

適用可能な関数  (6)

NMaximizeを"Xpress"法で使い，線形制約条件に従って1-TemplateBox[{{x, +, {2, y}}}, Abs]を最大化する：

In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-hb4xwg
Out[2]=2

ConvexOptimizationを"Xpress"法で使い，に従ってTemplateBox[{{{, {x, ,, {2, , y}}, }}}, Norm]を最小化する：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-k10fea
Out[1]=1

解の特性を使って最小値と最小化ベクトルを得る：

In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-huf1m0
Out[2]=2

ConicOptimizationを"Xpress"法で使い，に従って を最小化する：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-kcro5h
Out[1]=1

SecondOrderConeOptimizationを使い，に従って を最小化する：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-jfdvd7
Out[1]=1

目的を ，制約条件をTemplateBox[{{{{a, _, i}, ., x}, +, {b, _, i}}}, Norm]<=alpha_i.x+beta_i,i=1,2と定義する：

In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-zamil

行列ベクトル入力を使って解く：

In[3]:=3
✖
https://wolfram.com/xid/0naq8rw770m-ind1ps
Out[3]=3

QuadraticOptimizationを使い，およびに従って を最小化する：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-zwo3ll
Out[1]=1

目的を，制約条件を および と定義する：

In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-0rc1gi

行列ベクトル入力を使って解く：

In[3]:=3
✖
https://wolfram.com/xid/0naq8rw770m-1l2kf5
Out[3]=3

LinearOptimizationを使い，に従って を最小化する：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-b274a8
Out[1]=1

係数を組み合せて とし，ベクトル変数 を使う：

In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-lk61me
Out[2]=2

スケーラブルな問題  (5)

制約条件 に従ってTotal[x]を最小化する．ただし， は非負の値のベクトル変数である：

In[4]:=4
✖
https://wolfram.com/xid/0naq8rw770m-dgougr
In[8]:=8
✖
https://wolfram.com/xid/0naq8rw770m-fl0xk
Out[8]=8

制約条件 に従ってTotal[x]を最小化する．ただし， は非負の整数値ベクトルである：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-lmnkmy
In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-t2in7
Out[2]=2

制約条件に従ってTotal[x]を最小化する．ただし， はベクトル変数である：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-caacq8
In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-dkv8p7
Out[2]=2

1,000次元単位球体内の点の整数値座標の合計を最小化する：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-ijsdc1
Out[1]=1

半定値対称行列 について，制約条件 に従って を最小にする：

In[1]:=1
✖
https://wolfram.com/xid/0naq8rw770m-byfxxx
In[2]:=2
✖
https://wolfram.com/xid/0naq8rw770m-bubr0j
Out[2]=2