CVXPY求解返回unbounded无结果，如何调试该优化问题？

以下是针对你的问题的具体调试排查方法，按优先级排序：

1. 检查约束方向是否逻辑正确 #

你的目标是最小化G，而第一个循环的约束是：

10 ** (-8) * a[i] * perform[0] * cp.inv_pos(f[i]) + temp2 <= G

这意味着G必须大于等于所有左边项的最大值，理论上G有明确下界，不应出现无界。但如果实际需求是G要小于等于这些项（比如G是某种上限指标），那约束方向写反会直接导致G可以无限缩小，触发unbounded状态。先确认这个核心约束的逻辑是否和你的业务需求匹配。

2. 简化模型定位问题根源 #

逐步剥离约束，缩小排查范围：

• 先注释掉第二个循环的temp3 + temp4 <= M约束，以及f、b的上下限（保留b>=1e-4、f>=1e-6避免定义域错误），只保留目标、sum(b)<=B和第一个循环的G相关约束，重新求解。
  • 如果此时问题仍显示unbounded，说明问题出在G相关的约束或目标逻辑上；
  • 如果此时问题有解，再逐步加回其他约束，每次求解后观察状态变化，找到触发unbounded的约束组。

3. 验证对数项的数值合理性 #

你的模型中使用了cp.rel_entr构造对数项，需确保其计算结果符合预期：

• 手动计算一组测试值：取某个b[i]的固定值（比如1e-4、0.5、1），计算-cp.rel_entr(b[i], b[i]+(p[i]*h[i])/n0)/np.log(2)的数值，确认结果为正数（因为cp.inv_pos要求输入严格正）。
• 检查该对数项的缩放：当b[i]增大时，该项趋近于(p[i]*h[i]/n0)（因为ln(1+S/b)≈S/b，乘以b后得到S），此时temp2会趋近于一个常数；当b[i]取最小值1e-4时，计算该项是否过大或过小，避免数值溢出或下溢。

4. 处理极端数值缩放问题 #

代码中存在大量10的幂次（如1e16、1e-8），容易导致求解器数值不稳定，误判unbounded：

• 对参数进行归一化：比如将f[i]的尺度放大1e6（定义新变量f_scaled = f[i]*1e6，则f[i] = f_scaled*1e-6），替换后约束中的幂次会大幅降低，避免极端数值；
• 检查所有参数的数量级：比如gama*a[i]*1e16是否会导致temp3的数值过大，超出求解器的数值范围。

5. 更换求解器验证结果 #

SCS是一阶求解器，对非光滑问题（含inv_pos、rel_entr）的数值稳定性较差，可能误判状态：

• 尝试使用ECOS求解器：problem.solve(solver=cp.ECOS)；
• 如果有MOSEK许可证，也可以尝试该求解器，它对凸优化问题的数值鲁棒性更强。

6. 打印详细状态和变量值 #

求解后输出关键信息，观察变量行为：

print("Problem status:", problem.status)
print("Objective value:", problem.value)
print("b values:", b.value)
print("f values:", f.value)
print("G value:", G.value)

• 如果变量b.value趋近于sum(b)<=B的边界，或f.value趋近于上限，说明约束可能过紧；
• 如果变量出现异常大的数值，大概率是数值缩放问题导致求解器失控。

内容的提问来源于stack exchange，提问作者gaga liu