优化问题中的DCP规则错误：约束凸性咨询

• cvxpy抛出的DCP Rule Error仅说明约束不满足Disciplined Convex Programming（DCP）的语法规范，但不能直接判定约束本身不是凸约束。
• 要确定涉及决策变量rho_n、x_n与常数B的约束是否为凸约束，必须明确约束的具体数学形式：
  • 凸约束的核心判定标准是：约束可转化为「凸函数 ≤ 0」「凹函数 ≥ 0」，或是仿射等式/不等式形式。
  • 举几个典型场景：
    • 若约束为rho_n * norm(x_n) ≤ B：当rho_n为非负决策变量时，这是凸约束；若rho_n可正可负，则不属于凸约束。
    • 若约束为rho_n + x_n² ≥ B：左边是凸函数，≥常数的形式符合凸约束要求，属于凸约束。
    • 若约束为rho_n / x_n ≤ B（且x_n>0）：左边是关于x_n的凹函数，≤常数的形式不满足凸约束要求，属于非凸约束。
• 另外，即使约束本身是凸的，也可能因cvxpy中的写法不符合DCP规范（比如使用了不被允许的函数组合方式）触发错误。例如直接写rho_n * x_n ≤ B，若两个都是决策变量，这是非凸约束；但如果其中一个是常数，则属于仿射约束，符合DCP规则。

内容的提问来源于stack exchange，提问作者Mojtaba