用python-cvxopt进行优化

我正在尝试使用Python的cvxopt来最小化这个问题。然而，经过多次尝试，它似乎不起作用。下面粘贴了函数、我的代码和错误。谢谢你的帮助

最小化问题 目标函数：最小x.dot（sigma_mv）.dot（x.T）

约束条件为所有x>=0，和（x）=1

sigma_mv是800*800的协方差矩阵，dim=800

代码

---

回溯（最近一次呼叫最后一次）：
文件“”，第6行，在
sol=解算器.qp（P，q）
文件“D:\spyder\lib\site packages\cvxopt\coneprog.py”，第4470行，在qp中
返回coneqp（P，q，G，h，None，A，b，initvals，kktsolver=kktsolver，options=options）
coneqp中第1822行的文件“D:\spyder\lib\site packages\cvxopt\coneprog.py”
raise VALUERROR（“使用函数值P、G、A需要A”\
ValueError：使用值为P，G，A的函数需要用户提供的kktsolver

您既有等式约束又有不等式约束，因此需要向内置的qp解算器提供所有参数

---

Gx=0可以写成-xWelcome to the site:您可能需要阅读、和，并相应地重新回答您的问题。错误告诉您cvxopt无法将您的输入视为矩阵。它认为其中一些是函数。由于您的代码不完整（没有sigma_mv的定义；您的描述在这里没有帮助）这很难解释。因此，要么sigma_mv被破坏了，要么，我懒得去检查：cvxopt真的可以使用numpy.matrix吗？cvxopt通常有自己的矩阵格式（文档中甚至有numpy->cvxopt转换示例）。感谢您的回答，它确实解决了问题。P Q G H不是cvxopt中定义的正确矩阵形式。正确形式如下：从cvxopt导入解算器，矩阵P=2*矩阵（mat）Q=matrix（[0.0]*dim）G=-1*矩阵（np.identity（dim））H=matrix（np.zero(（dim，1）））也

np。数组（1.0）*矩阵（G）

不是矩阵xcvxopt是一个很好的解算器。我们只需要注意我们的P矩阵是正定的或任何其他重要的考虑因素。

dim = sigma_mv.shape[0]
P = 2*sigma_mv   
q = np.matrix([0.0])
G = -1*np.identity(dim)
h = np.matrix(np.zeros((dim,1)))

sol = solvers.qp(P,q,G,h)

Traceback (most recent call last):

  File "<ipython-input-47-a077fa141ad2>", line 6, in <module>
    sol = solvers.qp(P,q)   

  File "D:\spyder\lib\site-packages\cvxopt\coneprog.py", line 4470, in qp
    return coneqp(P, q, G, h, None, A,  b, initvals, kktsolver = kktsolver, options = options)

  File "D:\spyder\lib\site-packages\cvxopt\coneprog.py", line 1822, in coneqp
    raise ValueError("use of function valued P, G, A requires a "\

ValueError: use of function valued P, G, A requires a user-provided kktsolver

sol=solvers.qp(P, q, G, h, A, b)