Python中的优化函数5:优化的一些处理技巧

示性函数的实现技巧

在很多python的优化函数中示性函数是无法使用的,例如: 1 { x > α } 1_{\{x>\alpha\}} 1{x>α}。这里介绍一种M法来解决,首先定义一个辅助变量 z = 1  or  0 z=1 \text{ or } 0 z=1 or 0, 令 M M M是一个很大的正数,例如 M = 1 e 5 M=1e5 M=1e5, 则在下式的约束下, z z z和示性函数 1 { x > α } 1_{\{x>\alpha\}} 1{x>α}的效果一样:
x > α − M ( 1 − z ) x < α + M z \begin{aligned} x>\alpha-M(1-z)\\ x<\alpha+Mz \end{aligned} x>αM(1z)x<α+Mz

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值