使用CVXPY+SCIP求解含log约束MINLP时编译失败求助

问题重现 #

使用CVXPY搭配SCIP求解混合整数非线性规划（MINLP）时，添加含log函数的约束后，CVXPY无法编译问题并提示不可行；注释该约束则求解正常。约束代码如下：

for k in range(A):
   temp1 = 0
   for b in range(B):
       temp2 = 0
       for i in range(C): 
           temp2 += p[i,k,b]*z[(i,k,b)]
       temp1 += W*(cp.log(1+ temp2))
   constraint.append(temp1 >= R * x)

其中p[i,k,b]为输入值，W、R为常量，z[(i,k,b)]、x为二进制变量。

核心原因分析 #

1. CVXPY默认DCP检查限制：CVXPY默认要求问题满足**有向无环锥规划（DCP）**格式，但含log的>=约束属于非凸约束，触发DCP检查失败，导致无法编译。
2. 数值稳定性问题：SCIP对非线性约束的数值稳定性敏感，若变量无显式边界、表达式结构过于嵌套，易引发数值求解错误。
3. 定义域风险：若p[i,k,b]存在负值，temp2可能为负，导致log(1+temp2)的自变量小于等于0，违反对数函数定义域。

解决方案 #

1. 关闭CVXPY的DCP检查 #

SCIP支持非凸MINLP，但CVXPY默认仅允许DCP问题，需在求解时显式关闭DCP检查：

problem.solve(solver=cp.SCIP, ignore_dcp=True)

2. 优化约束表达式结构，引入辅助变量 #

嵌套循环生成的临时变量可能导致CVXPY生成的表达式树过于复杂，SCIP难以解析。通过引入辅助变量拆分log项，简化表达式结构：

for k in range(A):
    total = 0
    for b in range(B):
        # 定义辅助变量存储1+temp2的结果
        y = cp.Variable(name=f"y_{k}_{b}")
        # 约束辅助变量与原表达式等价
        constraint.append(y == 1 + cp.sum(p[i,k,b] * z[(i,k,b)] for i in range(C)))
        # 显式约束y的下界，确保log定义域合法（若p非负，y>=1；若p可能负，需约束y>0）
        constraint.append(y >= 1e-6)  # 用极小正数避免数值问题
        total += W * cp.log(y)
    constraint.append(total >= R * x)

3. 确保log函数的定义域合法性 #

• 若p[i,k,b]为非负值：因z是二进制变量，temp2天然非负，1+temp2>=1，此时可约束y>=1进一步明确边界。
• 若p[i,k,b]存在负值：必须添加约束1 + cp.sum(p[i,k,b] * z[(i,k,b)] for i in range(C)) >= 1e-6，避免log自变量小于等于0。

4. 给变量添加显式边界 #

SCIP对非线性变量的边界敏感，显式约束可提升数值稳定性：

• 对于二进制变量z和x，CVXPY已自动约束0<=z<=1、0<=x<=1，无需额外操作。
• 对于辅助变量y，除下界外，可添加上界：y <= 1 + sum(p[i,k,b] for i in range(C))（因z最多全为1）。

5. 检查版本兼容性 #

确保使用的CVXPY和SCIP版本兼容，建议使用CVXPY 1.3+和SCIP 8.0+版本，避免因接口不兼容导致的约束转换失败。

内容的提问来源于stack exchange，提问作者uv_utna