Python cvxpy：将非线性约束转换为等效线性约束

上下文：我是python公文包优化库的开发人员，我试图允许用户为最大夏普比率问题添加约束

目前，用户可以将其约束作为lambda函数传递，例如使所有权重大于1%：

ef=EfficientFrontier（mu，S）#mu和S是预期收益和协方差
ef.add_约束（lambda w:w>=0.01）#示例新约束
ef.min_volatility（）#使用约束进行优化

在后端，我将一个cvxpy变量

w=cp.variable（n）

传递给constraint lambda函数，以创建一个有效的cvxpy约束，然后将其传递给

cp.Problem

并解决它

我遇到的问题是，最大化夏普比率需要进行变量替换。形式为

Ax~b

（其中

~

表示相等或不相等）的约束必须变为

Ax~k*b

，其中

k

为非负优化变量

我尝试的一件事是将

w/k

传递到lambda函数中。这将导致一个约束

w/k>=0.01

，我希望这个约束等同于

w>=k*0.01

，但遗憾的是，这会给出：

dcperor:问题不符合DCP规则。明确地：
以下约束不适用于DCP：
0.01=0.01）

并将其乘以

k

得到

k*constr=（w>=0.01*k）

，但不能在cvxpy中乘以约束

TL；DR：如何将表示

w/k>=0.01

的cvxpy约束对象（已实例化）转换为表示

w>=k*0.01

的cvxpy约束对象？

否则，我有没有办法重新设计？我想保留lambda函数API

也许有一些API用于分解已经实例化的约束，以便我可以放入变量

约束是设计不变的。不变性简化了CVXPY的大部分逻辑

为什么不构造一个新的约束？您当然可以检查约束的左侧和右侧。现在，这可以通过检查

args

属性来完成（请参阅）