我正在尝试对我构建的分层隐藏马尔可夫模型的潜变量子集进行推理。
我已经导出了相关的优化问题,但这是一项非常讨厌的工作,我想知道我是否有希望优化以下表达式:
其中是一个右随机矩阵,\pi是一个总和为1的非负向量,并且
如果我无法获得全局最优值,那么我对所有类型和方式的启发式和近似值持开放态度。
大多数情况下,当涉及到整数编程时,除了尝试线性松弛之外,我只是没有第一个线索,在这种情况下,这种方法似乎完全不可行。
我正在尝试对我构建的分层隐藏马尔可夫模型的潜变量子集进行推理。
我已经导出了相关的优化问题,但这是一项非常讨厌的工作,我想知道我是否有希望优化以下表达式:
如果我无法获得全局最优值,那么我对所有类型和方式的启发式和近似值持开放态度。
大多数情况下,当涉及到整数编程时,除了尝试线性松弛之外,我只是没有第一个线索,在这种情况下,这种方法似乎完全不可行。
有一些非线性混合整数规划的求解器可以在某些条件下将问题求解到最优,或者在其他情况下提供高质量的解决方案。这些基于广义弯曲分解和外部近似。你也有启发式方法,它几乎可以让你做任何你想做的事情。您可以尝试研究相对较好的遗传算法。
现在有一些建议可以帮助您线性化您的问题:
两个连续变量的乘积不能线性化。因此,如果这完全无法避免代表您的问题,请不要担心线性化。还要记住,二次规划并不是那么糟糕,甚至非凸 MIQP 也可以求解到全局最优。
通常,您可以创建新变量来帮助线性化过程,以及将目标函数的一部分表示为约束。