python 二次规划_如何在Python中利用CVXOPT求解二次规划问题

问题描述：在实际生活中，我们经常会遇到一些优化问题，简单的线性规划可以作图求解，但是对于目标函数包含二次项时，则需要另觅它法

在金融实践中，马科维茨均方差模型就有实际的二次优化需求

作为金融实践中常用的方法，本篇将对CVXOPT中求解二次规划的问题进行举例详细说明，关于该方法在均方差优化中的实践应用，参见后续发帖

1、二次规划问题的标准形式

min12xTPx+qTx

s.t.Gx≤h

Ax=b

上式中，x为所要求解的列向量,xT表示x的转置

接下来，按步骤对上式进行相关说明：上式表明，任何二次规划问题都可以转化为上式的结构，事实上用cvxopt的第一步就是将实际的二次规划问题转换为上式的结构，写出对应的P、q、G、h、A、b

目标函数若为求max，可以通过乘以−1，将最大化问题转换为最小化问题

Gx≤b表示的是所有的不等式约束，同样，若存在诸如x≥0的限制条件，也可以通过乘以−1转换为"≤"的形式

Ax=b表示所有的等式约束

2、以一个标准的例子进行过程说明

min(x,y)12x2+3x+4y

s.t.x,y≥0

x+3y≥15

2x+5y≤100

3x+4y≤80

例子中，需要求解的是x,y，我们可以把它写成向量的形式，同时，也需要将限制条件按照上述标准形式进行调整，用矩阵形式表示，如下所示：

min(x,