使用Mosek优化二次型平方根函数遇类型错误求助

错误1：列表与变量运算不兼容 #

unsupported operand type(s) for -: 'list' and 'LinearVariable'是因为Python原生列表不能直接和Mosek的LinearVariable对象做算术运算。必须把weights_b这类常量转换为Mosek可识别的表达式对象，而非保留原生列表格式。

错误2：平方根的建模方式 #

直接在目标函数中写平方根不可行，Mosek需要通过二次锥约束来处理这类凸函数；或者利用单调性简化问题——最小化√y等价于最小化y（当y≥0时），两种方式都能实现原目标。

修正后的完整代码 #

b = [[1.0,2.0,3.0], 
     [2.0,6.0,8.0], 
     [8.0,1.0,5.0]]

weights_b = [0.3, 0.5, 0.2]  # 改为一维列表，便于转换为Mosek常量
n_opt = 3

import sys
from mosek.fusion import *

def main(args):
    with Model("quadratic_norm_min") as M:
        # 定义优化变量x，添加非负约束
        x = M.variable("x", n_opt, Domain.greaterThan(0.0))
        # 定义变量t，用于表示平方根的结果
        t = M.variable("t", 1, Domain.greaterThan(0.0))

        # 将常量转换为Mosek可识别的格式
        w_expr = Expr.const(n_opt, weights_b)
        B_mat = Matrix.dense(b)

        # 计算 weights_b - x 的差值
        diff = Expr.sub(w_expr, x)
        # 计算二次型项：(weights_b - x)^T · b · (weights_b - x)
        quad_form = Expr.dot(diff, Expr.mul(B_mat, diff))

        # 添加二次锥约束：t ≥ sqrt(quad_form)
        # 注意：矩阵b必须是正定/半正定的，否则问题非凸，Mosek无法求解
        M.constraint("quad_cone", Expr.vstack(t, diff), Domain.inQCone())

        # 目标：最小化t（即最小化原目标的平方根）
        M.objective("obj", ObjectiveSense.Minimize, t)

        # 求解问题
        M.solve()

        # 输出结果
        x_sol = x.level()
        t_sol = t.level()
        print("最优解x：")
        for i in range(n_opt):
            print(f"x[{i}] = {x_sol[i]:.6f}")
        print(f"目标函数值（平方根结果）：{t_sol[0]:.6f}")

if __name__ == '__main__':
    main(sys.argv[1:])

关键注意事项 #

• 矩阵正定性：目标函数中的矩阵b必须是正定或半正定的，否则二次型不是凸函数，Mosek无法处理这类非凸优化问题。可以通过计算特征值检查b的正定性。
• 简化选项：如果不需要显式得到平方根结果，直接将quad_form设为目标函数即可——因为平方根是单调递增函数，最小化√y和最小化y的最优解x完全一致。

内容的提问来源于stack exchange，提问作者Happy_otter