Question

我正在使用cvxpy 0.4.9和Python 2.7.14，并从下面的示例中获得了令人惊讶的unbounded状态。

轻微变化（例如，删除最后一个约束）可以正确报告infeasible状态。

在Windows和Linux环境中都会发生这种情况。为什么？

import cvxpy
import numpy

def main():
    yld = numpy.array([[12.],[11.],[17.],[13.],[7.]])
    wts = cvxpy.Variable(5)
    obj = cvxpy.Maximize(yld.T * wts)

    cons = []
    cons.append(0.0 <= wts)
    cons.append(numpy.ones(5).T * wts == 1.0)
    cons.append(wts <= 2.5 * numpy.ones(5))
    cons.append(wts <= 0.25)
    cons.append(numpy.array([[0.],[0.],[1.],[1.],[1.]]).T * wts <= 0.0)
    cons.append(numpy.array([[1.],[0.],[0.],[0.],[0.]]).T * wts <= 0.1 )
    cons.append(numpy.array([[0.],[1.],[0.],[0.],[0.]]).T * wts <= 0.1 )
    cons.append(numpy.array([[0.],[0.],[1.],[0.],[0.]]).T * wts <= 0.1 )
    cons.append(numpy.array([[0.],[0.],[0.],[1.],[0.]]).T * wts <= 0.1 )

    prob = cvxpy.Problem(obj, cons)

    prob.solve()
    print(prob.status)

Answer 1

使用cvxpy == 1.0.10，我得到infeasible。

可行集显然是空的。为什么？

numpy.array([[0.],[0.],[1.],[1.],[1.]]).T * wts <= 0.0和0.0 <= wts暗示着wts[2] == wts[3] == wts[4] == 0。
numpy.array([[0.],[1.],[0.],[0.],[0.]]).T * wts <= 0.1，[1.],[0.],[0.],[0.],[0.]]).T * wts <= 0.1和0.0 <= wts暗示0 <= wts[0] == 0.1和0 <= wts[1] == 0.1

因此，不可能满足numpy.ones(5).T * wts == 1.0（wts的所有元素之和为1）。

为什么cvxpy在这里返回无限？

1 个答案: