我使用的是cvxpy 0.4版本,在这个版本中,我编写了群lasso惩罚线性模型,如下所示:from sklearn.datasets import load_bostonbeta_sol = [b.value for b in beta_var]因此,我认为我已经正确地将代码从0.4版本迁移到1.0版本,但是在0.4版本中,用ECOS解决器解决了一个问题,在1.0版本中显示了一个错误消息。
因此,我试图使用CVXPY包(一个带有线性矩阵不等式约束的优化问题)在Python中实现一个简单的优化代码。代码如下所示。import numpy as npimport control as cs
prob = cp.Problem(cp.Minimize(gamma),constraints_2)
我试图解决混合问题的整数版本。我想要最大化的线性目标,我有几个线性约束。print("Total value:", v @ x.value)在打印问题时,它是按照预期的方式制定的time spent in interface) took 3.681e-04 seconds我不明白为什么问题是无限的,因为我有<=约束。c