双层优化入门(2)—基于yalmip的双层优化求解(附matlab代码)

配电网和matlab 2024-06-18 15:31:07 阅读 81

        上一篇博客介绍了双层优化的基本原理和使用KKT条件求解双层优化的方法:

双层优化入门(1)—基本原理与求解方法

        这篇博客将介绍使用yalmip的双层优化问题的求解方法。

1.KKT函数

        通过调用yalmip工具箱中的KKT函数,可以直接求出优化问题的KKT条件,省去自己手动写的步骤,函数用法如下:

[KKTsystem, details] = kkt(Constraint,Objective,z)

        其中z表示优化变量,KKTsystem存储KKT条件的约束表达式,details是一个结构体变量,用于存储KKT条件的细节。以上一篇博客中双层优化问题的下层优化问题为例:

 matlab代码:

%% 目标函数和约束条件x=sdpvar(1);y=sdpvar(1);Constraints=[-3*x+y <= -3 , 3*x+y <= 30];objective=-y;[KKTsystem, details] = kkt(Constraints,objective,x);

运行结果:

        将下层优化的KKT条件作为约束添加到上层优化中,就可以求出这个双层优化的结果:

%% 清空clcclearclose allwarning off%% 目标函数和约束条件x=sdpvar(1);y=sdpvar(1);Constraints_down=[-3*x+y <= -3 , 3*x+y <= 30];objective_down=-y;[KKTsystem , details] = kkt(Constraints_down,objective_down,x);Constraints_up=[2*x-3*y >= -12 , x+y <= 14];objective_up=-x-2*y;ops=sdpsettings('verbose', 0 , 'solver', 'gurobi');result=optimize([KKTsystem,Constraints_up,boundingbox([Constraints_up,Constraints_down])],objective_up,ops);%% 输出模型saveampl(KKTsystem,objective_down,'KKT_model');%% 输出结果disp(['最优解:x=',num2str(value(x)),',y=',num2str(value(y))])disp(['最优函数值=',num2str(value(objective_up))])

        求解的结果如下:

        和上一篇博客手动写KKT的求解结果一致。

        上面的例子是一个简单的线性双层优化问题,yalmip官方文档中给出了使用KKT函数求解非线性双层优化的例子。这个双层优化问题如下:

一样可以用KKT函数求解,代码如下(这是官网提供的代码):

sdpvar x1 x2 y1 y2 y3OO = -8*x1-4*x2+4*y1-40*y2-4*y3;OO = OO+OO^2;CO = [x1>=0, x2>=0];OI = (x1+2*x2+y1+y2+2*y3)^2;CI = [[y1 y2 y3] >= 0, -y1+y2+y3 <= 10, 2*x1-y1+2*y2-0.5*y3 <= 10, 2*x2+2*y1-y2-0.5*y3 <= 9.7];[K,details] = kkt(CI,OI,[x1 x2])optimize([K,CO,boundingbox([CI,CO]),details.dual<=100],OO)

求解结果为:

最优目标函数为-0.25

x1=0.0625,x2=0,y1=0,y2=0,y3=0。

2.solvebilevel函数

        solvebilevel是yalmip工具箱内置的求解双层优化问题的函数。也就是通过这个函数,不需要咱手动写KKT条件,也不需要使用KKT函数,直接把上、下层优化的目标函数、约束条件往里面一放,就能求出结果。

        代码如下:

%% 清空clcclearclose allwarning off%% 目标函数和约束条件x=sdpvar(1);y=sdpvar(1);Constraints_down=[-3*x+y <= -3 , 3*x+y <= 30];objective_down=-y;Constraints_up=[2*x-3*y >= -12 , x+y <= 14];objective_up=-x-2*y;solvebilevel(Constraints_up,objective_up,Constraints_down,objective_down,y)%% 输出结果disp(['最优解:x=',num2str(value(x)),',y=',num2str(value(y))])disp(['最优函数值=',num2str(value(objective_up))])

求解结果如下:

         和上篇博客手动写KKT条件,这篇博客利用KKT函数求解的结果都是一样的,确实比较省事。但也要注意,这个函数只适用于规模较小的问题,如果问题规模比较大,还是需要自己手动进行双层问题的求解。

完整代码可以从这里获取:

双层优化入门(2)-基于yalmip的双层优化求解

参考资料均来源于yalmip官方文档:

[1]KKT函数的用法介绍

[2]双层优化的求解

[3]双层优化求解的备用方法

[4]solvebilevel函数用法介绍



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。