CVXPY DPP特性在复矩阵参数场景下失效问题咨询

原因分析 #

这是CVXPY 1.2.1版本中DPP特性对复优化场景支持不完善导致的，具体两点：

• 早期版本复域DPP支持局限：CVXPY 1.2.x系列的DPP缓存逻辑主要针对实优化场景做了充分验证，复参数结合Hermitian变量的组合会触发未覆盖的编译分支，导致缓存标记无法被正确激活。
• Hermitian变量的结构处理冲突：当变量声明为hermitian=True时，CVXPY会强制其满足Hermitian结构约束（实部对称、虚部反对称），在与复参数L计算Frobenius范数时，内部表达式的参数化检测逻辑没有识别出这是可复用的DPP结构，因此无法触发缓存。

解决方案 #

1. 升级CVXPY版本
   CVXPY 1.3.x及以上版本已经修复了复优化场景下的DPP缓存问题，升级后直接运行原代码即可看到缓存提示，无需修改逻辑。

2. 不升级版本的替代方案
   将复问题拆解为实部和虚部的实优化问题，绕过复参数与Hermitian变量的组合限制，代码示例如下：

import numpy as np
import cvxpy as cp

A = np.eye(4) + np.eye(4)*1j
# 拆分复参数为实部、虚部两个实参数
L_real = cp.Parameter((4,4))
L_imag = cp.Parameter((4,4))
# 拆分Hermitian变量为实部（对称）和虚部（反对称）
X_real = cp.Variable((4,4), symmetric=True)
X_imag = cp.Variable((4,4))
# 添加虚部反对称约束
constraints = [X_imag == -X_imag.T]
# 构造等价的Frobenius范数目标（复矩阵Frobenius范数等价于实部虚部拼接成实矩阵的范数除以√2）
obj = cp.Minimize(cp.norm(cp.bmat([[X_real - L_real, -X_imag - L_imag],
                                   [X_imag - L_imag, X_real - L_real]]), 'fro') / np.sqrt(2))
prob = cp.Problem(obj, constraints)

# 赋值参数
L_real.value = A.real
L_imag.value = A.imag
assert prob.is_dcp(dpp=True)
prob.solve(solver=cp.SCS, verbose=True)

内容的提问来源于stack exchange，提问作者Calvin Liu