R中二次规划的错误解

我试图用osqp软件包解决R中的二次规划问题。然而，结果却大错特错

此处所附示例的代码：（目标函数是最小化

library(osqp)
library(Matrix)
P <- Matrix(c(1., 0.,0,
              0., 1.,0, 0,0,1), 3, 3, sparse = TRUE)
q <- c(0, 1,1)
A <- Matrix(c(1., 1., 0.,
              1., 0., 1.,1,0,1), 3, 3, sparse = TRUE)
l <- c(1.2, 0., 0.7)
u <- c(2., 0.8, 0.7)
settings <- osqpSettings(alpha = 1.0,eps_abs = 1.0e-05, eps_rel = 1.0e-05,)
model <- osqp(P, q, A, l, u, settings)
res <- model$Solve()

库（osqp）
图书馆（矩阵）
P
我试图愚弄OQSP（在python中）来给出您的结果
我最初怀疑alpha，但它似乎没有什么区别。
另一件事是迭代次数，25次迭代后可能不会收敛，但在这种情况下，我不希望目标为0.70000

导入osqp
从scipy.sparse导入csr_矩阵
P=np.数组（[[1,0,0]，
[0., 1.,0], 
[0,0,1]]）。T
q=np.array（[0,1,1]）[None，：]；
A=np.数组（[[1,1,0.]），
[1., 0., 1.],
[1,0,1]]）。T
l=np.数组（[1.2,0,0.7]）[：，无]
u=np.数组（[2,0.8,0.7]）[：，无]
m=osqp.osqp（）
m、 设置（P=csr_矩阵（P），A=csr_矩阵（A），l=l，u=u，q=q.T，
α=1.0，eps_abs=1.0e-05，eps_rel=1.0e-05，最大电阻=25）
结果=m.solve（）

这给

x = [0.45492868, 0.35002252, 0.35002252]

已经接近了
[0.5,0.35,0.35]
的最佳解决方案。我注意到的一点是
q%*%x=0.7

仔细看，我发现你的
A
的最后一行是
q
，相应的约束规定
0.7非常感谢你的回答！我认为这是有道理的，但我很困惑，为什么模型将我的p矩阵设置为0，即使我明确将其设置为对角矩阵？当我在代码中更改p矩阵时对于非稀疏矩阵，结果是正确的！我很好奇为什么P中矩阵的稀疏性会影响真正的结果。这当然不是解算器的问题，请注意，我传递了一封感谢信，感谢你接受了答案。你能让它在最后处理稀疏矩阵吗？不，我转换成了正常的matrix和它的工作。真的很困惑为什么稀疏矩阵会产生不同的结果。谢谢你把答案放在一起！
x = [0.45492868, 0.35002252, 0.35002252]

m.setup(P=csr_matrix(P)*0, A=csr_matrix(A), l=l, u=u, q=q.T,
        alpha=1.0, eps_abs = 1.0e-05, eps_rel = 1.0e-05, max_iter=100)
results = m.solve()
results.x