pcyin

#!/usr/bin/env python

import sys
assert sys.version_info > (3, 0), 'This script only supprts Python 3+'

from pathlib import Path
try:
    import sh
    from sh import adduser, mkdir, cat, chown, chmod
except:

pcyin

def log_sum_exp(inputs, keepdim=False, mask=None):
    """Numerically stable logsumexp on the last dim of `inputs`.
       reference: https://github.com/pytorch/pytorch/issues/2591
    Args:
        inputs: A Variable with any shape.
        keepdim: A boolean.
        mask: A mask variable of type float. It has the same shape as `inputs`.
              **ATTENTION** invalid entries are masked to **ONE**, not ZERO
    Returns:
        Equivalent of log(sum(exp(inputs), keepdim=keepdim)).

pcyin

你的这个优化问题可能属于『带bilinear约束的bilinear优化问题』（抱歉不知道bilinear怎么翻译）。bilinear的意思是类似于$x \cdot y$这样的乘积。

• 对于式子（1），如果把式子（4）带入（1），再将（1）展开的话，可以发现，最终的式子里有$x_i \cdot y_j$。这说明优化目标是『bilinear』的。

• 如果把式子（3）（4）带入（2），替换（2）中的$P_i^{'}$和$d'$的话，可以发现，约束（2）里面有$x_i \cdot x_j$的乘积。这说明约束（2）是『bilinear』的。

这类优化问题一般比较难求解。据我所知matlab里面应该没有合适的函数用来专门求解这个问题（不是十分确定）。最合适的函数应该就是你尝试过的fmincon。我没有学过凸优化，不知道能不能通过某些手段把bilinear的优化问题替换为线性优化或二次优化问题。

pcyin

using System;
using System.Collections.Generic;
using System.Linq;
using System.Net;
using System.Text;
using System.Threading.Tasks;
using System.Web;
using System.Threading;
using Newtonsoft.Json;
using AustinHarris.JsonRpc;