Python QP优化器二次目标之和

我不确定我应该在这里还是在数学/交叉验证网页上提问

我正在寻找python中用于二次规划的高效优化器，其形式如下：

在线性约束下最小化和{i=0}^n f_i（x）。对于所有i，每个f_i本身是一个二次函数（实际上Q矩阵是恒等式）

我的主要问题是效率（时间，通常是空间随稀疏矩阵而来），对于scipy来说，需要很长时间，因为我必须手动将目标函数定义为n个这样的二次函数的和。对于cplex，我无法写出我的问题

---

注意：子问题不是独立的-它们受公共矩阵的约束。

我对“对于cplex，我无法写出我的问题”的说法感到惊讶。Cplex是一个非常有能力的QP解算器，所以我建议重新考虑。我不知道有任何QP问题不能用Cplex表示。对于另一种表达QP问题的简单方法，请考虑CVXPY（用适当的QP求解器）。谢谢您的评论。我是Cplex新手，我希望在本例中使用哪种解算器，我将深入探讨。实际上，CVXPY可以与Cplex对话。我应该补充一点，CVXPY不适合所有模型（它不能表示高维变量）。@ErwinKalvelagen Cplex能表示高维变量吗？