Second-Order Cone Programming(SOCP) 二次锥规划
个人博客Glooow，欢迎各位老师来踩踩
文章目录1. 二阶锥1.1 二阶锥定义1.2 二阶锥约束2. 优化问题建模3. 类似问题转化3.1 二次规划3.2 随机线性规划4. 问题求解 1. 二阶锥 1.1 二阶锥定义在此之前，先给出二阶锥的定义。
在 kkk 维空间中二阶锥 (Second-order cone) 的定义为
Ck={[ut]∣u∈Rk−1,t∈R,∥u∥≤t}
\mathcal{C}_{k}=\left\{\left[\begin{array}{l}
{u} \\
{t}
\end{array}\right] | u \in \mathbb{R}^{k-1}, t \in \mathbb{R},\|u\| \leq t\right\}
Ck={[ut]∣u∈Rk−1,t∈R,∥u∥≤t}
其也被称为 quadratic，ice-cream，Lorentz cone。
在此基础上，二阶锥约束即为
∥Ax+b∥≤cTx+d⟺[AcT]x+[bd]∈Ck
\|A x+b\| \leq c^{T} x+d \Longleftrightarrow\left[\begin{array}{c}
{A} \\
{c^{T}}
\end{array}\right] x+\left[\begin{array}{l}
{b} \\
{d}
\end{array}\right] \in \mathcal{C}_{k}
∥Ax+b∥≤cTx+d⟺[AcT]x+[bd]∈Ck
其中 x∈Rn,A∈R(k−1)×n,b∈Rk−1,c∈Rn,Rx\in \mathbb{R}^{n}, A\in\mathbb{R}^{(k-1)\times n}, b\in\mathbb{R}^{k-1},c\in\mathbb{R}^{n},\mathbb{R}x∈Rn,A∈R(k−1)×n,b∈Rk−1,c∈Rn,R。实际上是对 xxx 进行了仿射变换，由于仿射变换不改变凹凸性，因此二阶锥也是凸锥。
优化目标如下，其中 f∈Rn,Ai∈Rni×n,bi∈Rni,ci∈Rn,di∈R,F∈Rp×n,f \in \mathbb{R}^{n}, A_{i} \in \mathbb{R}^{n_{i} \times n}, b_{i} \in \mathbb{R}^{n_{i}}, c_{i} \in \mathbb{R}^{n}, d_{i} \in \mathbb{R}, F \in \mathbb{R}^{p \times n},f∈Rn,Ai∈Rni×n,bi∈Rni,ci∈Rn,di∈R,F∈Rp×n, and g∈Rp,x∈Rng \in \mathbb{R}^{p}, x \in \mathbb{R}^{n}g∈Rp,x∈Rn
minizefTxsubject to∥Aix+bi∥2≤ciTx+di,i=1,…,mFx=g
\begin{aligned}
\text{minize}\quad& f^{T} x\\
\text{subject to}\quad& {\left\|A_{i} x+b_{i}\right\|_{2} \leq c_{i}^{T} x+d_{i}, \quad i=1, \ldots, m}\\
&{F x=g}
\end{aligned}
minizesubject tofTx∥Aix+bi∥2≤ciTx+di,i=1,…,mFx=g
上述问题被称为二次锥规划是因为其约束，要求仿射函数 (Ax+b,cTx+d)(Ax+b,c^T x+d)(Ax+b,cTx+d) 为 Rk+1\mathbb{R}^{k+1}Rk+1 空间中的二阶锥。
一些其他优化问题也可以转化为 SOCP，例如
3.1 二次规划考虑二次约束
xTATAx+bTx+c≤0
x^{T} A^{T} A x+b^{T} x+c \leq 0
xTATAx+bTx+c≤0
可以等价转化为 SOC 约束
∥(1+bTx+c)/2Ax∥2≤(1−bTx−c)/2
\left\|\begin{array}{c}\left(1+b^{T} x+c\right) / 2 \\ Ax\end{array}\right\|_{2}
\leq\left(1-b^{T} x-c\right) / 2
∥∥∥∥(1+bTx+c)/2Ax∥∥∥∥2≤(1−bTx−c)/2
问题模型为
minizecTxsubject toP(aiTx≤bi)≥p,i=1,…,m
\begin{aligned}
\text{minize}\quad& c^{T} x\\
\text{subject to}\quad& \mathbb{P}\left(a_{i}^{T} x \leq b_{i}\right) \geq p, \quad i=1, \ldots, m
\end{aligned}
minizesubject tocTxP(aiTx≤bi)≥p,i=1,…,m
问题转化可参考维基百科
二阶锥规划可以应用内点法快速求解，且比半正定规划(semidefinite programming)更有效。
Matlab 有专门的凸优化工具包，下载地址在这里，安装教程在官网上有。使用方法如下，只需要修改优化目标和约束条件即可
m = 20; n = 10; p = 4;
A = randn(m,n); b = randn(m,1);
C = randn(p,n); d = randn(p,1); e = rand;
cvx_begin
variable x(n)
minimize( norm( A * x - b, 2 ) )
subject to
C * x == d
norm( x, Inf ) <= e
cvx_end
作者：Bonennult
