Repeated variable in a VectorOfVariables cone constraint is dualized as independent variables
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 1-2 días
- Aptitud para principiantes
- 48/100
Línea de trabajo
Start by tracing how Dualization handles VectorOfVariables constraints and compare that path with the VectorAffineFunction behavior shown in the example. Reproduce the result with the supplied JuMP model and inspect the dual produced by print(dualize(model)). Done means repeated variables remain linked in the dual and the example returns OPTIMAL with objective -1.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
A VectorOfVariables constraint that lists the same variable twice (e.g. a Hankel or moment matrix) is dualized as if each
occurrence were a separate variable.
using JuMP, Dualization, Clarabel
for opt in (Clarabel.Optimizer, dual_optimizer(Clarabel.Optimizer))
model = Model(opt); set_silent(model)
@variable(model, y[1:2])
@constraint(model, [y[1], y[2], y[2]] in MOI.PositiveSemidefiniteConeTriangle(2))
@constraint(model, y[1] == 1)
@objective(model, Min, -y[2])
optimize!(model)
println(termination_status(model))
end
OPTIMAL # objective -1, since [1 y2; y2 y2] ⪰ 0 means 0 ≤ y2 ≤ 1
DUAL_INFEASIBLE
print(dualize(model)) gives
Max _[1]
Subject to
[-_[1], -0.5, -1] ∈ MathOptInterface.PositiveSemidefiniteConeTriangle(2)
This is the dual of min -x2 - x3 s.t. x1 == 1, [x1 x2; x2 x3] ⪰ 0, which is unbounded: the second occurrence of y2 became a new
variable. MOSEK and COPT as the inner solver give the same result. Writing the function as a VectorAffineFunction (1.0 .* [y[1], y[2], y[2]]) gives OPTIMAL with objective -1.
Dualization 0.7.7, MathOptInterface 1.53.0, JuMP 1.31.2, Julia 1.12.6.
- Lenguaje dominante
- Julia
- Estrellas
- 103
- Forks
- 7
- Merge medio
- 1 h 6 min
- PR fusionados (30 d)
- 1
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de jump-dev/Dualization.jl
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
jump-dev/Dualization.jl#200 · 2 comentarios ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
jump-dev/Dualization.jl#189 ·
-
Should we have a DualPrimalMap?Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 20/100
jump-dev/Dualization.jl#188 · 2 comentarios ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
jump-dev/Dualization.jl#173 · 5 comentarios ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
jump-dev/Dualization.jl#164 ·
Todos los issues de jump-dev/Dualization.jl
Issues similares
-
View of a view is brokenPosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
JuliaPy/pyjuliapkg#102 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
JuliaMath/Polynomials.jl#641 ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
JuliaLang/LinearAlgebra.jl#1794 ·
Los mantenedores suelen responder en 1 día