问题标签 [cvxpy]

我想使用cvxpy. 假设我想使用log_sum_exp函数来构建这样的约束：

的语法cvxpy允许我创建一个x = [z,m]维度的向量变量2并应用矩阵乘法来创建一个表达式向量0, z+m：

像这样编码时，我会丢失一些逻辑，因为我希望变量数组的不同部分有不同的名称。有没有办法log_sum_exp更明确地使用转换，比如

?

我在官方文档中找不到任何提示。谢谢！

我有一个形式的二次优化问题

min wrt to x 1/2 x'x + q'x St Gx <= h

我有一个相当大的问题（几百万个点和约束），虽然 cvxopt 的默认求解器被证明是有效的，但我很好奇在 SCS 中实现它应该更快（并且不使用 CVXPY 接口）。

经过文献检索（主要是 Boyd's Convex Analysis），对 SOCP 形式的重新表述应该产生

min wrt to z of c'z 服从 Az + s = b, s in K

其中 c = (1 q)' 和 z = (tx)' 其中 t 是标量，K 是与我的原始约束 (Gx \leq h) 相关的线性锥体和二次锥体 Q = { (t,x) | t >= ||x||}

但是，我应该如何实际定义 A 和 b ？

我想象了类似于 A = [[0 G],[2, 1, .., 1]] 和 b = (h 0) 的东西。但是，在 python scs.solve 锥字典参数中将 'q' 选项设置为 [1] 时，我无法让它工作？A 的最后一行的预期语法是什么？（也就是说，假设我的数学重新表述是正确的......）

谢谢您的帮助 ！

当您反复调用cvxpy.Variables()时

然后打印内部表示

当重复几次时，指数增加

如何释放生成变量占用的内存？

我正在使用 cvxpy 来解决一些简单的投资组合优化问题。我无法理解的唯一约束是非零投资组合持有数量的基数约束。我尝试了两种方法，一种 MIP 方法和一种传统的凸方法。

这是一个有效的传统示例的一些虚拟代码。

我有想法使用 sum_smallest 和 sum_largest ( cvxpy manual ) 我的想法是将最小的 nk 个条目限制为 0 并让我的目标范围 k 总和为 1，我知道我不能按顺序改变不等式的方向保持凸面，但也许任何人都知道一种在保持简单的同时约束问题的聪明方法。

我的第二个想法是把它变成一个混合整数问题，s.th沿着线

查看我的二进制向量，它似乎在做正确的事情，但 sum_entries 约束不起作用，查看二进制向量值我注意到 0 不是 0 它非常小，例如 xxe^-20 我认为这会搞砸向上。如果这是正确的方法，任何人都可以给我任何指导吗？如果有帮助，我可以使用标准求解器以及 Mosek。我更喜欢非 MIP 实现，因为我知道这是一个组合问题，对于更大的问题会变得非常慢。最终，我想限制目标持股的确切数量或范围，例如 20-30。

cvxpy 中围绕 MIP 的文档也很短。谢谢

最小二乘回归定义为残差平方和的最小化，例如

但是，我想提出一个轻微的修改，以便我们仍然尽量减少以下内容

基本上我只想在预测的符号不等于实际的符号时惩罚y。有没有关于这个或实现的文献？我正在尝试在 cvxpy 中实现，但不知道该怎么做

我cvxpy用来解决凸优化问题，这是我的约束：

那么我该如何表达这个约束cvxpy呢？中的sum_entries函数cvxpy只能对整个矩阵/向量求和，但不能对向量的一部分求和。

我在 Python 3 中使用 CVXPY 尝试在X（N x T 矩阵）中对以下线性程序进行建模。让

• R是一个 N × 1 矩阵，其中每一行是 中的整行值的总和X。
• P是一个 1 × N 矩阵，定义X为P_t = 1/(G-d-x_t).

我想解决一个理想的问题：

最小化 (X x P)

受制于：

X 中到达行 i 的总和必须至少为 R_i 中的值

X 中的每个值必须至少为 0

有什么想法吗？我有以下代码，但没有得到任何运气：

我正在尝试在以下线性程序设置中求解理想矩阵 X：

X = N by T 矩阵，这是我们的变量。为简单起见，我们将 N 设置为 4，将 T 设置为 3。

X_column_sum = 1 by T 矩阵，其中每列值是 X 中对应列的所有值的总和

R = N x 1 矩阵，具有随机确定的值

G = 常数（为简单起见，我们设置为 100）

d = 1 × T 矩阵，其值在 [0, G-1] 范围内

P = 1 × T 矩阵等于 X_column_sum + d

C = X 点缀着 P

我想最小化 C 的条目总和，同时保留以下约束：

• X 中的所有值都必须 >= 0
• X 的每个对应行中所有值的总和必须至少等于 R 中的对应值

我在 python 中使用 cvxpy 尝试了以下代码，但无济于事：

我正在尝试使用 cvxpy（版本 0.4.9）以数值方式解决生成 1D 最小加加速度轨迹的问题。这是问题的基本陈述，

“x”是作为时间函数的位置向量。“D”是计算加加速度的矩阵，“A”和“b”指定位置、速度和加速度的约束。x[0] = 0，x[N] = 1。速度和加速度从 0 开始和结束。

我尝试使用以下代码使用 CVXPY 解决此问题。

正如预期的那样，当N = 100时，我得到以下输出。

但是，当我更改N = 1000时，我得到了一些奇怪的东西（问题状态仍然是最佳的）。

为什么我会看到这样的差异？我做错了什么，我应该怎么做才能解决这个问题？

当我将 D 缩放 1000 倍时，我的结果是不同的。

我是新手，CVXPY想做一些优化，

这是我的代码：

在哪里

我有A（n乘m）和a（n乘n）：

但我收到以下错误：

看来我没有解决凸问题，所以CVXPY不起作用我该如何处理？

我是新手，CVXPY所以请具体说明！谢谢！