convex-optimization
Rozwiąż problemy optymalizacji wypukłej za pomocą sprawdzonych strategii i narzędzi numerycznych.
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Skill do rozwiązywania zadań optymalizacji wypukłej. Zawiera decyzyjne drzewo klasyfikacji problemów, metody weryfikacji wypukłości oraz procedury sprawdzania warunków KKT. Obsługuje programowanie liniowe, kwadratowe i ogólne problemy wypukłe. Wykorzystuje scipy.optimize do obliczeń numerycznych i z3_solve do formalnej weryfikacji warunków optymalizacyjnych. Idealna dla osób pracujących z problemami optymalizacyjnymi wymagającymi gwarancji globalnego minimum.
Jak używać
Zainstaluj skill w swoim środowisku Claude, dodając go do katalogu skills.
Przed rozwiązaniem problemu zweryfikuj wypukłość: sprawdź, czy funkcja celu ma macierz Hessiana dodatnio półokreśloną, a zbiór ograniczeń jest przecięciem zbiorów wypukłych. Możesz użyć komendy z3_solve.py prove "hessian_psd" do formalnego dowodu.
Sklasyfikuj swój problem: określ, czy jest to programowanie liniowe, kwadratowe, ogólne zadanie wypukłe czy semidefinitowe. Każdy typ wymaga innego solvera — linprog dla LP, minimize z metodą SLSQP dla QP, metody punktu wewnętrznego dla problemów ogólnych.
Sprowadź problem do postaci standardowej: minimize f(x) subject to g_i(x) ≤ 0, h_j(x) = 0. Jeśli masz maksymalizację, zaneguj funkcję celu; jeśli nierówności w drugą stronę, zaneguj zmienne.
Rozwiąż problem używając scipy.optimize.minimize z odpowiednimi ograniczeniami. Sprawdź, czy rozwiązanie spełnia wszystkie ograniczenia pierwotne i czy warunki KKT są spełnione (możesz to zweryfikować za pomocą z3_solve.py prove "kkt_conditions").
Zweryfikuj wynik: ponieważ problem jest wypukły, znalezione rozwiązanie jest gwarantowanym minimum globalnym. Upewnij się, że wszystkie ograniczenia są spełnione z wymaganą dokładnością.