如何在cvxpy中实现!=约束，限定变量z的取值区间？

CVXPY不支持直接使用!=这类非凸约束，因为凸优化框架仅接受凸约束。要让z的每个元素落在[0, 3/M) ∪ (3/M, 1]区间，需要将该条件拆分为两个互斥的区间约束，通过二进制辅助变量实现“二选一”的逻辑。

实现思路 #

为每个z[p][i,j]搭配一个二进制变量b[p][i,j]：

• 当b=0时，强制z落在[0, 3/M)区间
• 当b=1时，强制z落在(3/M, 1]区间

采用Big M方法将逻辑或转化为线性约束，同时用极小的偏移量ε模拟开区间（数值优化中无法使用严格不等号，只能通过小偏移量近似实现）。

完整代码修改 #

import cvxpy as cp

# 配置参数
EPS = 1e-6  # 模拟开区间的极小偏移量，可根据精度需求调整
BIG_M = 1.0  # 足够大的常数，这里取1即可，因为z的取值上限为1

# 原z变量定义
z = [] 
for p in range(P):
    z.append(cp.Variable((n, n)))

# 新增二进制辅助变量，控制z的区间选择
b = []
for p in range(P):
    b.append(cp.Variable((n, n), boolean=True))

# 原有基础约束：z ≥ 0，补充z ≤ 1以符合需求范围
for p in range(P):
    for i in range(n):
        for j in range(n):
            constraints.append(z[p][i, j] >= 0)
            constraints.append(z[p][i, j] <= 1)

# 核心约束：排除3/M这个单点
threshold = 3 / M
for p in range(P):
    for i in range(n):
        for j in range(n):
            # 分支1：b=0时，z ≤ 3/M - ε（保证小于阈值）
            constraints.append(z[p][i,j] <= threshold - EPS + BIG_M * b[p][i,j])
            # 分支2：b=1时，z ≥ 3/M + ε（保证大于阈值）
            constraints.append(z[p][i,j] >= threshold + EPS - BIG_M * (1 - b[p][i,j]))

# 保留你原有的其他约束（优化索引计算，避免重复调用index方法）
for p in range(P):
    for office in offices:
        idx_office = offices.index(office)
        for linked_office in linked_offices[office]:
            idx_linked = offices.index(linked_office)
            constraints.append(z[p][idx_office, idx_linked] <= e[idx_office, p] / M)
            constraints.append(z[p][idx_office, idx_linked] <= e[idx_linked, p] / M)
            constraints.append(z[p][idx_office, idx_linked] >= e[idx_office, p]/M + e[idx_linked, p]/M - 1)

关键注意事项 #

• 引入二进制变量后，问题变为混合整数凸优化问题，需要使用支持整数规划的求解器，比如CVXPY自带的ECOS_BB，或商业求解器Gurobi、CPLEX，求解速度会比纯连续问题慢。
• EPS的取值需合理：不能过小导致数值不稳定，也不能过大导致阈值附近的合法值被错误排除。
• 若原有约束已限制部分z元素的上限小于1，z ≤1的约束可保留，不会产生冲突。

内容的提问来源于stack exchange，提问作者Ethan07