Julia 中的凸优化
最优化与控制
2014-10-20 v1 数学软件
机器学习
摘要
本文介绍了 Convex，一个用于 Julia 语言的凸优化建模框架。Convex 将用户友好的函数式语言描述的问题转化为描述该问题的抽象语法树。这种对问题全局结构的简洁表示使得 Convex 能够推断问题是否符合纪律凸规划（DCP）的规则，并将问题传递给合适的求解器。这些操作在 Julia 中通过多重分派（multiple dispatch）执行，显著减少了验证 DCP 合规性以及将问题解析为锥形式所需的时间。随后，Convex 会自动选择合适的后端求解器来求解锥形式问题。
引用
@article{arxiv.1410.4821,
title = {Convex Optimization in Julia},
author = {Madeleine Udell and Karanveer Mohan and David Zeng and Jenny Hong and Steven Diamond and Stephen Boyd},
journal= {arXiv preprint arXiv:1410.4821},
year = {2014}
}
备注
To appear in Proceedings of the Workshop on High Performance Technical Computing in Dynamic Languages (HPTCDL) 2014