使用CVXPY添加下界约束触发DCPError，寻求解决方法

错误原因 #

你的代码违反了CVXPY的DCP（Disciplined Convex Programming）规则：

• risk = cp.quad_form(w-w_bch, Omega) 是凸函数（假设Omega为半正定矩阵，这是风险模型的常规设定）
• 你设置的目标是最小化这个凸函数，但约束写的是 risk >= 0.2——这属于「凸函数 ≥ 常数」的形式，对应的可行域是非凸集，不符合DCP对约束的要求，因此触发报错。

另外注意你提到的优化目标是「最小化风险，但要求风险必须低于0.2」，这里你大概率是把约束写反了，正确的约束应该是 risk <= 0.2。

针对性解决方法 #

情况1：约束写反（真实需求是风险≤0.2） #

直接修正约束为「凸函数 ≤ 常数」，这完全符合DCP规则：

risk = cp.quad_form(w-w_bch, Omega)
obj = cp.Minimize(risk)
constraints = [risk <= 0.2]  # 修正为<=
prob1 = cp.Problem(obj, constraints)
prob1.solve(verbose=verbose, solver=cp.ECOS)

情况2：确实需要风险≥0.2（最小化风险同时保证不低于0.2） #

这种需求的本质是：在满足risk >=0.2的解中，找risk最小的点（即risk刚好等于0.2的可行解）。由于原问题形式违反DCP，可通过以下两种方式调整：

方式1：转换为最大化凹函数

将目标改为最大化-risk（凹函数），约束改为-risk <= -0.2（等价于risk >=0.2），符合DCP规则：

risk = cp.quad_form(w-w_bch, Omega)
obj = cp.Maximize(-risk)
constraints = [-risk <= -0.2]
prob1 = cp.Problem(obj, constraints)
prob1.solve(verbose=verbose, solver=cp.ECOS)

方式2：求解可行性问题

直接找满足risk >=0.2的可行解，目标设为最小化0（仅验证可行性）：

risk = cp.quad_form(w-w_bch, Omega)
constraints = [risk >= 0.2]
prob1 = cp.Problem(cp.Minimize(0), constraints)
prob1.solve(verbose=verbose, solver=cp.ECOS)

如果问题可行，得到的解即为满足约束的最小risk点（risk=0.2）。

额外注意 #

确保Omega是半正定矩阵，cp.quad_form要求第二个参数为半正定，否则risk不一定是凸函数，也会导致DCP错误。可提前验证Omega的正定性，或用cp.psd(Omega)声明其半正定属性。

内容的提问来源于stack exchange，提问作者Warrior