如何在CVXPY中遵循DCP规则建模log(e^X/(e^Y+c))目标函数？

核心思路是通过代数变形把目标函数转化为CVXPY能识别的DCP合规形式——直接用乘除组合会让CVXPY无法判定整体的凹性，而利用对数基本性质拆分后就能解决：

原目标函数：
$$\log\left(\frac{e^X}{eY + c}\right)$$

利用对数商数法则和指数对数互逆性，等价变形为：
$$\log(e^X) - \log(e^Y + c) = X - \log(e^Y + c)$$

这个变形后的式子完全符合DCP规则：

• $X$（对应代码里的P_D）是线性函数，属于既凸又凹的函数
• $\log(e^Y + c)$是凸函数（CVXPY内置的cp.log作用在凸函数c + cp.exp(P_N)上，结果仍为凸函数）
• 凹函数（线性函数）减去凸函数，最终得到凹函数，而最大化凹函数是CVXPY允许的DCP问题

修改后的代码如下：

import cvxpy as cp

P_D = cp.Variable(10, nonneg=True)
P_N = cp.Variable(10, nonneg=True)
c = 0.5
p_max =  # 填入p_max的具体数值

# 变形后的目标函数
obj = P_D - cp.log(c + cp.exp(P_N))
objective = cp.Maximize(cp.sum(obj))

# 约束：P_D已声明nonneg=True，P_D>=0可省略
constraints = [P_D <= p_max]

problem = cp.Problem(objective, constraints)
problem.solve(solver=cp.MOSEK)

额外说明 #

• 原代码里的cp.multiply(cp.exp(P_D), cp.inv_pos(c + cp.exp(P_N)))虽数学等价，但CVXPY的DCP分析器无法直接识别该组合的凹性：inv_pos是凸函数，cp.exp(P_D)也是凸函数，凸函数相乘的结果无明确凸/凹性，因此会被判定为非DCP合规。
• 变量P_D和P_N已通过nonneg=True声明非负，约束里的P_D>=0可删除以避免冗余。

内容的提问来源于stack exchange，提问作者Mahdi Hosseini