最优化 | 凸优化 | 二次规划cvxopt求解，如何确定系数？

一、定义

在凸优化问题中，特别是在二次规划（Quadratic Programming, QP）问题中，矩阵 $P$ 通常用来定义目标函数中的二次项。目标函数的形式一般为：

$\text{minimize}\frac{1}{2}{x}^{T}Px+q^{T}x$

其中：

$P$ 是一个对称的正定矩阵，它定义了目标函数中的二次项（即 $x^{T}Px$）。
$q$ 是一个向量，定义了目标函数中的线性项（即 $q^{T}x$）。

二、系数的确定

如何确定 $P$ 矩阵？

1. 确定目标函数的二次项：首先，你需要明确你的目标函数是什么。如果你的目标函数中有二次项，比如 $x_1^2$ , $x_2^2$, 或 $x_1{x}_2$这样的项，那么这些项的系数将决定 $P$ 矩阵中的元素。

2. 构造 $P$ 矩阵：
   ① $P$ 矩阵的对角线元素通常是目标函数中各个变量的平方项的系数。例如，如果目标函数有项 $2x_1^2$，那么 $P$ 中相应的对角线元素就是 2。
   ② $P$ 矩阵的非对角线元素对应的是变量之间的交叉项的系数。例如，如果目标函数有项 $0.5x_1{x}_2$，那么 $P$ 中相应的非对角线元素就是 0.5。
   ③ 由于 $P$ 是对称矩阵，矩阵中 $P_{ij}=P_{ji}$的关系必须成立。

三、例子

假设你的目标函数是：

$f(x)=2x_1^2+x_1{x}_2+x_2^2+x_1+x_2$

那么，这个目标函数的二次项是 $2x_1^2$、$x_1{x}_2$、和 $x_2^2$，其系数分别是 2、0.5（因为 $x_1{x}_2$ 的系数是 1，但 $P$ 是对称矩阵，所以在 $P$ 中是 $0.5$）和 1。因此，矩阵 $P$ 为：

$P=\left(\begin{array}{cc}2& 0.5\\ 0.5& 1\end{array}\right)$

而线性项 $q$ 对应的是 $x_1$和 $x_2$前的系数，因此 $q=\left(\begin{array}{c}1\\ 1\end{array}\right)$。

四、代码

对应的标准型为：

以cvxopt求解包为例：

from cvxopt import matrix, solvers

P = 2*matrix([[2, .5], [.5, 1]])
q = matrix([1.0, 1.0])
G = matrix([[-1.0,0.0],[0.0,-1.0]])
h = matrix([0.0,0.0])
A = matrix([1.0, 1.0], (1,2))
b = matrix(1.0)

sol=solvers.qp(P, q, G, h, A, b)
print(sol['x'])
print(sol['primal objective'])