CVXPY无法识别明显凸目标函数的问题求助

你的目标函数中第二个范数的曲率被标记为UNKNOWN，核心原因是该范数内部包含变量矩阵A的二次项（A@(A@x+B@u1+G)），对于矩阵变量A而言，这个二次项本身不是凸函数，因此整个目标函数不符合CVXPY的DCP规则（DCP要求最小化的目标函数必须是凸函数）。

具体原因 #

第一个范数项cvxpy.norm(A@x+B@u1+G - y1)是凸的：它是变量A的线性函数的范数，符合凸性要求。
第二个范数项cvxpy.norm(A@(A@x+B@u1+G) + B@u2 + G - y2)展开后包含A@A相关的二次结构，对于一般矩阵变量A，这种结构不满足凸函数的定义（无法保证对任意两个矩阵A1、A2和t∈[0,1]，有t*f(A1)+(1-t)*f(A2) ≥ f(tA1+(1-t)A2)），因此CVXPY无法识别其凸性，标记为UNKNOWN，进而触发DCP错误。

可行的处理方式 #

• 确认问题凸性：如果你的问题本身是非凸的，CVXPY无法直接处理（它仅支持符合DCP规则的凸优化问题）。此时可以考虑使用非凸优化求解器（如scipy.optimize中的相关方法），或者重新设计问题结构，将非凸项转化为凸形式（仅当存在特定约束或结构时可行）。
• 重新参数化变量：尝试引入中间变量简化结构，比如令Z = A@x + B@u1 + G，则目标函数变为cvxpy.norm(Z - y1) + cvxpy.norm(A@Z + B@u2 + G - y2)，但Z仍是A的线性函数，本质上未解决非凸问题，除非能为Z和A添加额外的凸约束。
• 检查变量定义是否有误：如果实际应该将x作为变量、A作为参数，那么目标函数会立即变为凸函数（两个范数都是x的线性函数的范数），此时CVXPY可以正常处理。
• 特殊结构下的凸化：如果x是半正定矩阵，或者A具有特定结构（如对称矩阵），可以尝试利用CVXPY的矩阵锥约束将二次项转化为凸形式，但这需要问题本身具备对应结构，不具有通用性。

内容的提问来源于stack exchange，提问作者Davis Last