Python 同时引用3个元素的二维数组上的CVXPY约束

我有一个VxV大小的矩阵

S

。我想在它上面加上几条规定，形式是：。我曾尝试过这样做，但这段代码遇到了问题

ValueError:Atoms最多只能是2D。

我总结了一个简单的问题示例：

def ILP_example(scores):
    V = scores.shape[0]
    u, v, w = np.meshgrid(range(V), range(V), range(V))

    arr = cp.Variable(scores.shape)

    objective = cp.Maximize(
        cp.sum(cp.multiply(scores, arr))
    )
    constraints = [
        arr[u, v]           + arr[v, w]          - arr[u, w]          <= 1,
      ]
    prob = cp.Problem(objective, constraints)
    prob.solve()
    return

def ILP_示例（分数）：
V=分数。形状[0]
u、 v，w=np.网格（范围（v），范围（v），范围（v））
arr=cp.Variable（scores.shape）
目标=cp。最大化(
cp.sum（cp.multiply（分数，arr））
)
约束=[
arr[u，v]+arr[v，w]-arr[u，w]似乎cvxpy支持的维度不超过2个，这就是使用
u
、
v
和
w
索引
arr
时所做的

作为替代方案，您可以简单地重塑这些索引变量，使其为一维：

u, v, w = [x.reshape(-1) for x in np.meshgrid(range(V), range(V), range(V))]

那么这就行了：

constraints = [arr[u, v] + arr[v, w] + arr[u, w] <= 1]

cvxpy似乎只支持两个维度，这就是使用
u
、
v
和
w
索引
arr
时所做的

作为替代方案，您可以简单地重塑这些索引变量，使其为一维：

u, v, w = [x.reshape(-1) for x in np.meshgrid(range(V), range(V), range(V))]

那么这就行了：

constraints = [arr[u, v] + arr[v, w] + arr[u, w] <= 1]