CVXPY中如何约束变量仅8个元素非零 附代码报错排查

• 基础拼写错误：代码中integer=Ture拼写错误，布尔真值的正确写法是True。
• 核心逻辑错误：CVXPY是符号化的优化建模库，建模阶段优化变量K没有具体数值，你不能用Python原生的if t!=0这种分支判断遍历优化变量。t!=0在CVXPY里不会返回True/False布尔值，而是返回一个符号约束对象，Python无法把约束对象转成if语句需要的布尔真值，就会抛出你看到的Cannot evaluate the truth value of a constraint异常。
• 额外逻辑漏洞：就算不考虑前面的错误，你写的s=0是固定常量，列表推导里的s+1和s没有任何累加关系，本身也实现不了统计非零元素个数的效果。

你要的是恰好8个非零元素的基数约束，这类约束属于非凸约束，无法直接在凸优化框架下表达，需要引入二进制辅助变量，通过大M法转化为混合整数规划约束，具体实现逻辑如下：

1. 新增一个和K长度一致的0-1二进制变量z，z[i]=1代表对应位置的K[i]允许非零，z[i]=0代表对应位置的K[i]必须取0。
2. 加约束cp.sum(z) == 8，保证总共只有8个位置开放非零权限。
3. 根据你实际问题的场景，给K的元素设置一个合理的有限上下界M（即K所有元素可能取到的最大绝对值，不要设得过大避免数值问题），加约束把K和z绑定：当z[i]=0时，强制K[i]=0；当z[i]=1时，K[i]可以在[-M, M]范围内自由取值。

可直接参考的修正代码如下：

import cvxpy as cp

# 定义原变量，注意修正拼写错误；如果K不需要取整，删除integer=True参数即可
K = cp.Variable(961, integer=True)
# 定义二进制辅助变量，取值只能是0或1
z = cp.Variable(961, boolean=True)
# ！！！请根据你自己的实际业务场景修改M的值，比如K的元素最大不会超过100就设100
M = 100

constraints = [
    # 控制允许非零的元素总数恰好为8
    cp.sum(z) == 8,
    # 绑定K和z的取值关系
    K >= -M * z,
    K <= M * z
]

# 后续按正常流程添加目标函数、构造问题求解即可
# 例：objective = cp.Minimize(你的目标函数表达式)
# prob = cp.Problem(objective, constraints)
# prob.solve()  # 默认调用开源CBC求解器，也可替换为Gurobi/CPLEX等商业求解器提速

补充注意事项 #

• 如果你的问题里K的元素本身就非负，可以把绑定约束简化为0 <= K <= M * z，不需要写负方向的边界约束。
• M的取值要贴合实际问题的数值范围，不要盲目设成极大值，否则会增大混合整数规划的求解难度，甚至引发数值不稳定导致求解结果错误。
• 这类带二进制变量的问题属于混合整数规划问题，需要调用支持MIP的求解器才能求解，CVXPY默认自带的开源CBC求解器即可支持，961维的问题规模较小，常规设备就可以跑通。

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