如何向量化 julia 凸不等式约束答案

【问题标题】：how to vectorize julia Convex inequality constraints如何向量化 julia 凸不等式约束
【发布时间】：2017-09-14 22:15:20
【问题描述】：

我正在尝试对比较两个 Convex 类型的不等式约束进行矢量化。一方面，我有Convex.MaxAtoms，另一方面，我有Variables。我想做如下的事情：

using Convex
N = 10
t = Variable(1)
v = Variable(N)
x = Variable(1)
z = rand(100)

problem = minimize(x)
problem.constraints += [t >= 0]

ccc = Vector{Convex.MaxAtom}(N)
for i = 1:N
    c = -(1. + minimum(x.*z))
    cc = t + c
    ccc[i] = max(cc,0.)
end
problem.constraints += [ccc <= v]

但我在最终约束中收到以下错误：

ERROR: LoadError: MethodError: no method matching isless(::Complex{Int64}, ::Int64)

我不确定Int64 类型的来源。除了循环和添加单独的比较之外，还有没有更好的方法来添加这个约束，比如

for i = 1:N
      problem.constraints += [ccc[i] <= v[i]]
end

我试图避免这种情况，因为最终我的 10 会更大。

【问题讨论】：

标签： julia convex

【解决方案1】：

在这种情况下（感谢 Udell 博士），它可以矢量化为

c = -(1. + xisim + minimum(x.*z))
cc = t + c
ccc = max(cc,0.)
problem.constraints += [ccc <= v]

【讨论】：