问题标签 [mosek]

我正在尝试将用 MATLAB CVX 编写的优化代码转换为直接调用求解器 MOSEK 的 Python 代码。我的优化包括以下类型的方程：

||Ax-b|| +正则化器。

x 是一个三维变量，需要评估其最优值。我在 MATLAB 中将 A 定义为函数，如下所示：

所以，||Ax-b|| 在 MATLAB CVX 中变成

现在，当我转换为直接调用 MOSEK 的 python 时，我写道：

但是，我收到错误：

这个重塑我做错了什么？

我有以下问题，我不知道 cvxpy 是否可以做我需要的。背景：我优化投资组合。在购买债券并优化每只债券的购买数量时，只能以 1,000 个单位的倍数购买每只债券。但是，大多数时候需要购买的最低件数是 10,000。这意味着我们要么根本不购买债券，要么如果我们购买它，购买的数量必须是 10,000、11,000、12,000 等等。有没有办法（似乎没有）限制整数变量可能具有的解决方案中的某些值？所以让我们假设我们有一个非负的整数变量 x。我们基本上想买 1000x 但我们知道 x 可以是 x = {0, 10, 11, 12, ...} 是否可以在不添加其他变量的情况下跳过值 1.. 9？

例如：

这个解决方案是我面临的问题的一个非常简化的版本。最终向量 final_units 可以建议像这个例子中的值，我们必须购买 5,000 单位的债券 s9，但我不能，因为我可以购买的最小值是 10,000。我知道我可以添加一个额外的整数向量来表达 OR 条件，但实际上我真正的问题远不止于此，我已经有数千个整数变量。因此，我想知道是否有一种方法可以排除 1 到 9 的值，而无需为问题添加额外的变量。谢谢

我通过它的 Cvxpy 界面使用 Mosek。

我想使用 Mosek 的工具来自动修复不可行问题[0]，但找不到任何求解器选项 [1] 来激活它。

请告诉相关的求解器选项。

0 - https://docs.mosek.com/9.2/capi/feas-repair.html#automatic-repair-of-infeasible-problems

1 - https://docs.mosek.com/9.2/pythonapi/parameters.html#doc-all-parameter-list

我通过其 Cvxpy 界面使用 Commercial Mosek。专门利用其不可行报告功能来调试我的不可行问题。

虽然它对于示例 LP 问题运行得非常好，但在 MILP 问题上却失败了（即求解器日志中没有不可行性报告）。

在 Mosek [0] 的官方文档中，我找不到任何关于不可行性报告支持的问题类型的规范。

请告知不可行性报告支持的问题类型。

（或者它适用于所有问题类型？）

0 - https://docs.mosek.com/9.2/toolbox/debugging-infeas.html

我的应用程序使用 ECOS Solver 已经很长时间了，突然之间我们开始得到不可行的解决方案，从而导致求解器错误。在网上查看了一些堆栈和建议，我看到了对 MOSEK 和 SCS 求解器的建议。

我尝试将我的 ECOS 替换为 SCS 和 MOSEK Solvers，但我的运行永无止境。通常我的跑步会在 2 小时内结束，但在更换之后会跑 8 小时左右，而且永远不会结束。请给我建议。

下面是参数，

'solver': {'name': 'MOSEK', 'backup_name': 'SCS', 'verbose': True, 'max_iters': 3505}

请帮助

错误日志：

由于阶段故障而中止作业：阶段 6.0 中的任务 1934 失败 4 次，最近一次失败：阶段 6.0 中丢失任务 1934.3（TID 5028，ip-10-219-208-218.ec2.internal，执行程序 1）：org. apache.spark.api.python.PythonException：回溯（最近一次调用最后一次）：文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies.zip/cat/tf/tf_model/model.py”，第 262 行，适合引发 SolverError cvxpy.error.SolverError

在处理上述异常的过程中，又出现了一个异常：

回溯（最后一次调用）：文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/expressions/constants/constant.py”，第 243 行，位于 extremal_eig_near_ref ev = SA_eigsh(sigma) 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/expressions/constants/constant.py”，第 238 行，在 SA_eigsh 返回 eigsh （A，k=1，sigma=sigma，return_eigenvectors=False）文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack /arpack.py"，第 1687 行，在 eigsh params.iterate() 文件中"envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack/arpack.py”，第571行，在迭代self._raise_no_convergence（） “envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack/arpack.py”，第 377 行，在 _raise_no_convergence 提高 ArpackNoConverence (num_iter, k_ok, self.k), ev, vec) scipy.sparse.linalg.eigen.arpack.arpack.ArpackNoConvergence：ARPACK 错误 -1：没有收敛（361 次迭代，0/1 特征向量收敛）_raise_no_convergence() 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack/arpack.py”，第 3 行，第 3 行ArpackNoConvergence(msg % (num_iter, k_ok, self.k), ev, vec) scipy.sparse.linalg.eigen.arpack.arpack.ArpackNoConvergence: ARPACK 错误 -1: 没有收敛（361 次迭代，0/1 特征向量收敛）_raise_no_convergence() 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack/arpack.py”，第 3 行，第 3 行ArpackNoConvergence(msg % (num_iter, k_ok, self.k), ev, vec) scipy.sparse.linalg.eigen.arpack.arpack.ArpackNoConvergence: ARPACK 错误 -1: 没有收敛（361 次迭代，0/1 特征向量收敛）无收敛（361 次迭代，0/1 特征向量收敛）无收敛（361 次迭代，0/1 特征向量收敛）

在处理上述异常的过程中，又出现了一个异常：

Traceback (most recent call last): File "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/pyspark.zip/pyspark/worker.py", line 377, in main process() File "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/pyspark.zip /pyspark/worker.py"，第 372 行，在进程中 serializer.dump_stream(func(split_index，iterator)，outfile) 文件 "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/pyspark.zip/pyspark/serializers.py"，第 400 行，在 dump_stream vs = list(itertools.islice(iterator, batch)) 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/pyspark.zip/pyspark/util.py”，第 113 行，在包装器中返回 f(*args, **kwargs ） 文件 ”envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000001/py_dependencies.zip/pyspark_scripts/spark_tf_pipeline.py", line 49, in File "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies.zip/cat/tf/tf_model/tf_get_from_smu_records.py", line 38 , in tf_get_from_smu_records data_points, current_date_string, params) File "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies.zip/cat/tf/tf_model/tf_get_from_smu_records.py", line 24, in tf_get_outputs_from_smu_records model_output, _ = fit_model(ts_wrapper, params) File “envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies.zip/cat/tf/tf_model/fit_model.py”，第 13 行，在 fit_model machine_model 中。fit() File "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies.zip/cat/tf/tf_model/machine_model.py", line 62, in fit self._fit() File "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies. zip/cat/tf/tf_model/machine_model.py”，第 120 行，在 _fit self.model.fit() 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies.zip/cat/tf/tf_model/model.py”中，第 267 行，适合 self._fit(self.solver_params['backup_name']) 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/py_dependencies.zip/cat/tf/tf_model/model.py”，第 245 行，在 _fit feastol tols['feastol_inacc']) 文件 "envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/problems/problem.py"，第401行，在求解返回solve_func(self, *args, **kwargs)文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/problems/problem.py”，第818行，在_solve self、data、warm_start、verbose、kwargs）文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/reductions/solvers/solving_chain.py”，第341行，在solve_via_data solver_opts，问题File._solver_cache）envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/reductions/solvers/conic_solvers/cvxopt_conif.py”，第162行，在solve_via_reddata中如果=self.removeant_row = s.INFEASIBLE：文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/reductions/solvers/conic_solvers/cvxopt_conif.py”，第286行remove_redundant， = extremal_eig_near_ref(gram, ref=TOL) 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/expressions/constants/constant.py”，第 247 行， extremal_eig_near_ref ev = SA_eigsh(sigma) 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/cvxpy/expressions/constants/constant.py”，第 238 行，在 SA_eigsh 返回 eigsh(A, k=1, sigma =sigma，return_eigenvectors=False）文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack/arpack.py”，第1687行，在 eigsh params.iterate() 文件“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack/arpack.py”中，行571，在迭代 self._raise_no_convergence() 文件中“envpath/appcache/application_1618545751422_0044/container_1618545751422_0044_02_000002/miniconda/envs/project/lib/python3.6/site-packages/scipy/sparse/linalg/eigen/arpack/arpack.py”，第 377 行，在 _raise_no_convergence num_iter, k_ok, self.k), ev, vec) scipy.sparse.linalg.eigen.arpack.arpack.ArpackNoConvergence：ARPACK 错误 -1：没有收敛（361 次迭代，0/1 特征向量收敛）

驱动程序堆栈跟踪：

我试图解决一个简单的优化问题，首先通过 Python.Cvxpy 框架，然后通过 Julia.JuMP 框架，但 Julia.JuMP 公式慢了 15 倍。

我的优化问题：

1. 在 Python.Cvxpy 中：（运行时间：4 秒）

2. 在 Julia.JuMP 中：（运行时间：1 分 7 秒）

固定 Julia.JuMP 代码的任何提示或技巧？

我们有一个优化问题，想要初始化其决策变量的值以实现快速收敛。

我们正在使用 Mosek 求解器（通过其 Cvxpy 接口）。

任何帮助表示赞赏，非常感谢！

我们正在 Mosek 中制定一个优化问题（通过其 Pyomo 接口）。

我们需要以opf格式转储问题。

为了实现这一点，我们激活了iparam.opf_write_problem[0] 求解器选项，但失败了（即没有opf创建文件）。

最小的可重现示例：

这是 Mosek 或 Pyomo 的错误吗？

参考：

[0] https://docs.mosek.com/9.2/toolbox/parameters.html#mosek.iparam.opf_write_problem

我们正在 Pyomo + Mosek（商业）中制定 QP 优化问题。

出乎意料的是，mosek 抱怨二次系数不是 PSD。

最小的可重现示例：

我们认为 Q1 是 PSD 的原因：

• 它的所有特征值都是正的
• CPLEX（商业）能够解决它

请帮忙！

我们有一个大规模的 MIQCQP 问题。问题大小：

当我们使用 Mosek（通过 Cvxpy）时，它会无限期地运行（在分支和绑定逻辑中）。此外，从 mosek 日志中：BEST_INT_OBJ并始终REL_GAP(%)显示NA。

由于此问题包含专有数据，因此难以共享。

是否有任何通用提示或技巧来加快问题的速度？

（奇怪的是，Gurobi 可以在一分钟内解决同样的问题）