CVXPY无显式严格不等式却触发"Strict inequalities are not allowed"报错求助

你碰到的这个报错本质不是你自己写了严格不等式，而是Scipy的norm.logcdf无法处理CVXPY的符号表达式——当你把A @ a（这是CVXPY的Expression对象，不是数值数组）传给Scipy的函数时，Scipy内部会尝试对这个表达式做数值比较（比如报错栈里看到的(a < x) & (x < b)），而CVXPY禁止在符号表达式中使用严格不等式（</>），所以触发了这个错误。

解决方法：用CVXPY原生函数替代Scipy的数值函数 #

CVXPY提供了专门用于符号表达式的正态CDF函数cp.normcdf，我们可以用它来构建等价的目标函数，完全避开Scipy的冲突。

具体来说，Scipy的norm.logcdf(x, scale=sigma)等价于log(Φ(x/sigma))（其中Φ是标准正态分布的CDF），而CVXPY的cp.normcdf(z)就是实现了Φ(z)，所以我们可以把目标函数改写成CVXPY支持的形式：

修改后的完整代码 #

import cvxpy as cp
import numpy as np

# 替换成你实际的A矩阵和sigma标量
A = np.random.randn(5, 10)  # 示例矩阵
sigma = 1.0  # 示例标量

a = cp.Variable([10, 1])
# 用CVXPY原生函数构建目标函数，替代Scipy的norm.logcdf
obj = cp.Maximize(cp.sum(cp.log(cp.normcdf((A @ a) / sigma))))
constraints = [a >= np.zeros([10, 1]), a <= np.ones([10, 1])]
prob = cp.Problem(objective=obj, constraints=constraints)
prob.solve()

# 查看结果
print("最优解a:\n", a.value)
print("最优目标值:", prob.value)

关键说明 #

• 为什么这样可行？
  • cp.normcdf是CVXPY原生的原子函数，专门为符号表达式设计，内部不会使用严格不等式，完全符合CVXPY的优化规则。
  • log(Φ(z))是凹函数，最大化凹函数等价于最小化凸函数，属于CVXPY可以处理的凸优化问题范畴。
• 注意事项
  • 确保sigma是正的标量（你已经说明是特定标量，所以没问题）；如果sigma是变量，建议添加约束sigma >= 1e-6（用非严格不等式避免数值问题）。

内容的提问来源于stack exchange，提问作者JackAu