Python求解凸优化问题之CVXPY

CVXPY

CVX是由Michael Grant和Stephen Boyd开发的用于构造和解决严格的凸规划(DCP)的建模系统，建立在Löfberg (YALMIP)， Dahl和Vandenberghe (CVXOPT)的工作上。

CVX支持的问题类型

• Linear programs (LPs)
• Quadratic programs (QPs)
• Second-order cone programs (SOCPs)
• Semidefinite programs (SDPs)

还可以解决更复杂的凸优化问题，包括

• 不可微函数，如L1范数
• 使用CVX方便地表述和解决约束范数最小化、熵最大化、行列式最大化，etc.
• 支持求解mixed integer
  disciplined convex programs (MIDCPs)

CVX使用的注意事项

• CVX不是用来检查你的问题是否凸的工具。如果在将问题输入CVX之前不能确定问题是凸的，那么您使用工具的方法不正确，您的努力很可能会失败。
• CVX不是用来解决大规模问题的。它是一个很好的工具，用于试验和原型化凸优化问题。
• CVX本身并不解决任何优化问题。它只将问题重新表述成一种形式(SDP和SOCP)，需要搭配solver求解。
• 在CVX中，目标函数必须是凸的，约束函数必须是凸的或仿射的，diag 和trace 是仿射函数。 CVX使用了扩展值函数(即凸函数在其域外取值为
  $\infty$ ，凹函数取值为$-\infty$)。

安装