优化变量定义

优化变量为在优化过程中变化的量, 比如车辆的转角控制量delta, 位置状态x, y. 在定义优化变量时, 可以同时定义优化变量的硬边界、软边界以及违反软边界时的惩罚 (见建模接口 > 约束软化了解OPTIMake中的软约束定义) .

下面为定义优化变量的例子:

delta = prob.variable(name='delta', hard_lowerbound=-0.5, hard_upperbound=0.5)

# xLowerBound与xUpperBound为已定义的parameter
x = prob.variable(
    name = 'x', 
    hard_lowerbound=xLowerBound, 
    hard_upperbound=xUpperBound,
    soft_lowerbound=-0.2,
    soft_upperbound=0.2,
    weight_soft_lowerbound=100.0, 
    weight_soft_upperbound=100.0,
    penalty_type_soft_lowerbound='quadratic',
    penalty_type_soft_upperbound='l1')
y = prob.variable('y')
theta = prob.variable('theta')

其中, 函数入参的定义如下:

name: 优化变量的名称, string类型
hard_lowerbound (optional): 优化变量的硬下界, 可以为常数或关于参数 $p$ 的表达式, 默认值为-inf, 表示无下界
hard_upperbound (optional): 优化变量的硬上界, 可以为常数或关于参数 $p$ 的表达式, 默认值为inf, 表示无上界
soft_lowerbound (optional): 优化变量的软下界, 可以为常数或关于参数 $p$ 的表达式, 默认值为-inf, 表示无下界
soft_upperbound (optional): 优化变量的软上界, 可以为常数或关于参数 $p$ 的表达式, 默认值为inf, 表示无上界
weight_soft_lowerbound (optional): 优化变量的软下界的惩罚权重, 必须为非负, 可以为常数或关于参数 $p$ 的表达式, 默认值为0.0, 表示无惩罚
weight_soft_upperbound (optional): 优化变量的软上界的惩罚权重, 必须为非负, 可以为常数或关于参数 $p$ 的表达式, 默认值为0.0, 表示无惩罚
penalty_type_soft_lowerbound (optional): 优化变量的软下界的惩罚类型, 可选值为'quadratic'或'l1', 默认值为'quadratic'
penalty_type_soft_upperbound (optional): 优化变量的软上界的惩罚类型, 可选值为'quadratic'或'l1', 默认值为'quadratic'