如何编写迭代添加含历次最优解约束的优化问题代码？

你遇到的核心问题是CVX的求解块（cvx_begin/cvx_end）是单次求解逻辑，块内的变量赋值只会在整个求解完成后执行一次，所以原来的代码没法在迭代中累积历史解。要实现基于切平面的逐点极大函数近似，得把迭代逻辑放在CVX块外面，每次循环重新构建带历史约束的优化问题，具体步骤和代码如下：

核心思路 #

对于凸约束函数 ( f(x) \leq 0 )（( f ) 为凸函数），切平面近似的本质是在每次迭代的最优解 ( x_k ) 处，添加线性约束 ( f(x_k) + \nabla f(x_k)^T(x - x_k) \leq 0 )，用这些线性约束的逐点极大来近似原凸约束。我们需要：

• 在循环外初始化历史解存储、迭代参数
• 每次循环调用CVX求解带新增切平面约束的问题
• 保存每次的最优解，直到满足收敛条件

修正后的代码示例 #

假设你的目标函数是 ( \frac{1}{2}x^T Q x + c^T x )，原始凸约束是 ( f(x) = |x|_2^2 - 1 \leq 0 )（仅作示例，可替换为你的实际约束）：

% 初始化参数
n = 2; % 变量维度
Q = eye(n);
c = [-1; -1];
max_iter = 20; % 最大迭代次数
tol = 1e-6; % 收敛阈值
X = []; % 存储历史最优解
prev_obj = inf; % 上一次迭代的目标函数值

% 第一次求解：仅原始约束
cvx_begin
    variable x(n,1)
    minimize(0.5 * x' * Q * x + c' * x)
    subject to
        norm(x, 2)^2 <= 1; % 原始凸约束
cvx_end
X = [X, x];
prev_obj = 0.5 * x' * Q * x + c' * x;

% 迭代添加切平面约束
for iter = 1:max_iter
    % 获取上一次的最优解
    x_prev = X(:, end);
    % 计算f(x_prev)和梯度∇f(x_prev)（根据你的实际约束替换）
    f_prev = norm(x_prev, 2)^2 - 1;
    grad_f_prev = 2 * x_prev;
    
    % 构建带新增切平面约束的CVX问题
    cvx_begin
        variable x(n,1)
        minimize(0.5 * x' * Q * x + c' * x)
        subject to
            norm(x, 2)^2 <= 1; % 原始约束保留
            % 添加历史所有切平面约束（也可只加最新的，收敛效果类似）
            for k = 1:size(X,2)
                x_k = X(:, k);
                f_k = norm(x_k, 2)^2 - 1;
                grad_f_k = 2 * x_k;
                f_k + grad_f_k' * (x - x_k) <= 0;
            end
    cvx_end
    
    % 保存当前最优解
    X = [X, x];
    % 计算当前目标函数值
    curr_obj = 0.5 * x' * Q * x + c' * x;
    
    % 检查收敛
    if abs(curr_obj - prev_obj) < tol
        fprintf('迭代收敛，共迭代%d次\n', iter);
        break;
    end
    prev_obj = curr_obj;
end

% 查看历史最优解
disp('历次迭代最优解：');
disp(X);

关键说明 #

1. 迭代逻辑放在CVX块外：每次循环都重新定义CVX变量和约束，确保每次求解的是带新增切平面的问题
2. 历史约束的添加：可以选择每次只加最新的切平面约束，或者累积所有历史约束（两种方式都能收敛，后者可能收敛更快但约束数量会增加）
3. 收敛判断：通过比较相邻两次迭代的目标函数值，或者解的欧氏距离来判断是否停止迭代
4. 梯度计算：需要你根据实际的凸约束函数手动计算梯度；如果函数不可导，可以用次梯度替代

内容的提问来源于stack exchange，提问作者Takumi