如何设置约束使两个优化变量不同时非零（规避非凸约束）？

你需要让优化变量x1和x2不同时为正（允许同时为0），直接用x1 * x2 == 0会带来非凸性，以下是两种可行的解决思路：

一、混合整数规划精确解法 #

如果你的优化问题支持引入二进制变量，这是最直接的精确方案：

• 新增一个二进制变量y（仅取0或1），用来控制x1和x2的激活状态：
  • 当y=1时，允许x1取非负值，同时强制x2=0
  • 当y=0时，允许x2取非负值，同时强制x1=0
• 转化为以下线性约束：
  1. x1 ≤ M * y
  2. x2 ≤ M * (1 - y)
  3. x1 ≥ 0, x2 ≥ 0
     这里的M是一个足够大的正数，只要大于x1或x2在可行域内的最大可能取值即可（取值不宜过大，避免数值不稳定）。

这种方法把原非凸约束转化为线性约束+二进制变量，主流的混合整数规划求解器（如Gurobi、CPLEX、CBC）都能处理，完全满足你的互斥要求。

二、纯凸优化场景的精确解法 #

如果问题必须是纯凸优化（不能引入整数变量），可以通过拆分问题来规避非凸约束：

• 分别求解三个子问题：
  1. 固定x2=0，求解以x1为变量的优化问题，记录目标函数值obj1
  2. 固定x1=0，求解以x2为变量的优化问题，记录目标函数值obj2
  3. 直接取x1=x2=0，计算对应的目标函数值obj0
• 从三个子问题的解中，选取目标函数最优的那个作为最终解。

因为原问题的最优解必然不会出现x1>0且x2>0的情况（这种情况违反约束，本身不在可行域内），所以拆分求解的结果是完全精确的，且全程用凸优化方法即可完成。

三、不推荐的近似方案 #

不要尝试用x1*x2 ≤ ε（ε为极小正数）这类近似约束，因为双线性项依然是非凸的，而且无法保证严格的互斥性，还可能引入数值误差。

内容的提问来源于stack exchange，提问作者Ayse Tugba Ozturk