Python 将cvxpy仿射表达式与np.array求和时出现广播错误

在以下代码段中，我打算执行以下操作：

（1） 将标识的每个元素乘以d优化变量。
（2） 将1的向量与CVXPY仿射表达式求和，CVXPY仿射表达式也是24个元素的向量。
（3） 创建一个按元素比较两个向量的约束

    import numpy as np
    import cvxpy as cp

    weights = cp.Variable(5)
    d = cp.Variable(1)
    meas = np.random.rand(8, 3)
    det = np.random.rand(24, 5)

    dm = d * np.eye(3)   # (1)
    beh = np.ones([24, 1]) + cp.reshape((dm @ meas.T).T, [24, 1])    # (2)
    constrs = [beh == det @ weights]   #(3)

我的问题是：

Q1:我是否编写了我想要的代码

Q2:在（2）处，我得到以下错误：

/usr/lib/python3.8/site-packages/cvxpy/utilities/shape.py in sum_shapes(shapes)
     45         # Only allow broadcasting for 0D arrays or summation of scalars.
     46         if shape != t and len(squeezed(shape)) != 0 and len(squeezed(t)) != 0:
---> 47             raise ValueError(
     48                 "Cannot broadcast dimensions " +
     49                 len(shapes)*" %s" % tuple(shapes))

ValueError: Cannot broadcast dimensions  (24, 1) [24, 1]

这到底意味着什么？我该如何修复它

---

Q3:当我在第（3）处执行

det@weights

时，我得到一个

表达式（仿射，未知，（24，）

。在约束中，我将它与

beh

进行比较，我猜这将是一个

表达式（仿射，未知，（24，1））

。这种比较是否也会带来问题

当我开始使用cvxpy时，我在尺寸匹配方面也遇到了一些问题。根据我的经验，使用尽可能少维度的数组是一个好主意。因此，如果您有一个二维数组，其中1个维度的长度只有1，请查看是否可以减少维度。（见下文）

（2）中的问题在将cvxpy表达式重塑为（24,1）时使用的括号更改为（24,1）时得到解决，如下所示：

beh = np.ones([24, 1]) + cp.reshape((dm @ meas.T).T, (24, 1))    # (2)

您也可以通过简单地执行以下操作来避免问题：

beh = 1 + cp.reshape((dm @ meas.T).T, (24, 1))    # (2)

这将执行相同的操作：向cvxpy数组的每个条目添加1

完成此操作后，最后一行出现问题：“ValueError:无法广播维度（24,1）（24,1）”

这可以通过将维度

（24，）

也设置为

beh

来解决（如前所述，降低维度将解决您的问题）。完整的工作守则是：

import numpy as np
import cvxpy as cp
weights = cp.Variable(5)
d = cp.Variable(1)
meas = np.random.rand(8, 3)
det = np.random.rand(24, 5)

dm = d * np.eye(3)   # (1)
beh = 1 + cp.reshape((dm @ meas.T).T, (24, ))    # (2)
constrs = [beh == det @ weights]   #(3)

---

希望这有帮助

两个问题。1.您使用的是什么“一”功能。是np.ones吗？2.我不理解detp是如何工作的，因为代码中没有变量是detp。应该是det@weights吗？两者都可以。我忘了指定np.ones，在detp中有一个输入错误。我编辑了这个问题。谢谢你指出这些。