- 综合排序
- 最热优先
- 最新优先
- 来自专栏代码提问
如何用cvxpy写向量乘法式子
from cvxpy import * # Create two scalar optimization variables. # 在CVXPY中变量有标量(只有数值大小)，向量，矩阵。 # 在CVXPY中有常量(见下文的Parameter) x = Variable() # 定义变量x==a,定义变量y==t。
99410编辑于 2023-03-16 - 来自专栏量化投资与机器学习
组合优化神器：Riskfolio-Lib（附代码）
业界常用的凸优化的求解工具包有CVXPY及CVXOPT。但这两款工具包并不是专门针对投资组合优化的，在求解过程中还需要将组合优化的问题转化为对应的优化问题。 今天我们介绍的Riskfolio-Lib是专门针对投资组合优化的工具包，其构建于CVXPY之上（其实CVXPY也用到了CVXOPT的求解器），并于Pandas紧密结合。 github.com/dcajasn/Riskfolio-Lib 安装 安装方法非常简单： pip install riskfolio-lib 但需要注意的是，在安装riskfolio-lib前，需要安装cvxpy
6.3K30编辑于 2022-02-28 - 来自专栏linux、Python学习
使用Python进行优化:如何以最小的风险赚取最多的收益?
使用Python解决优化问题: CVXPY库 我们将用于这个问题的库称为CVXPY。它是一种用于凸优化问题的Python嵌入式建模语言。 ， 注意CVXPY框架中使用了quad_form()和Problem()等非常有用的类。 ) 共同投资一组公司 任意一个/或场景——要么投资可口可乐，要么投资百事可乐，但不要两者都投资 你必须构造一个更复杂的矩阵和更长的约束列表，使用指示变量将其转换为一个混合的整数问题——但是所有这些都是CVXPY 请查看CVXPY包的示例页面（地址：https://www.cvxpy.org/examples/index.html ），了解使用该框架可以解决的优化问题的范围。 为了说明这一点，我们选取了三家公司的月平均股价作为样本数据集，并展示了如何使用基本的Python数据科学库(如NumPy、panda)和一个名为CVXPY的优化框架在短时间内建立一个线性规划模型。
2K41发布于 2019-06-21 - 来自专栏机器人技术与系统Robot
solution of ROS install issue
python38/lib/python3.8/site-packages Requires: Required-by: scs, scipy, qdldl, osqp, matplotlib, ecos, cvxpy controller-manager-msgs 0.18.3 cv-bridge 1.13.0 cvxopt 1.2.6 cvxpy
1.4K2214发布于 2021-02-20 - 来自专栏AI研习社
Github 项目推荐 | SpaceX Falcon 9 Box2D 回收降落动作模拟器
下载该库，然后用 pip 安装 前提 以下是运行该库所需的软件列表，Windows 用户请前往[Windows Python 扩展库]（Python 扩展包的非官方 Windows 二进制文件）列表来安装 cvxpy tensorflow matplotlib gym numpy Box2D logging pyglet cvxpy abc concurrent python pip install PATH_TO_YOUR_DOWNLOADED_LIBRARY
1.6K20发布于 2018-07-26 - 来自专栏人工智能之数学基础
人工智能之数学基础 优化理论：第一章 优化基础
linear_cons],bounds=bounds)print("\n投资组合优化:")print(f"最优权重:{res_port.x},风险:{res_port.fun:.6f}")5.凸优化：使用CVXPY （声明式建模）CVXPY允许以数学形式直接编写优化问题，自动选择求解器。 常见优化问题类型总结类型目标函数约束求解方法是否保证全局最优无约束优化任意无梯度下降、牛顿法、BFGS否（除非凸）线性规划（LP）线性线性单纯形法、内点法是二次规划（QP）二次（凸）线性QP求解器是凸优化凸凸集内点法、CVXPY 总结目标函数定义了“最优”的标准；约束条件限定了可行决策的范围；局部最优是邻域内最好，全局最优是整体最好；凸优化是“好问题”——任何局部最优即全局最优；KKT条件是约束优化的理论基石；SciPy适合一般优化，CVXPY 实践建议：先分析问题是否为凸优化；优先使用专业建模工具（如CVXPY）；对非凸问题，尝试多个初值或全局优化器；始终验证解的可行性和合理性。
44910编辑于 2025-12-22 - 来自专栏云深之无迹
PythonRobotics-自主机器人导航
CVXPY 是一种用于凸优化问题的开源 Python 嵌入式建模语言。它可以让您以一种遵循数学的自然方式表达您的问题，而不是求解器所需的限制性标准形式。 arxiv.org/ftp/arxiv/papers/1808/1808.10703.pdf https://github.com/AtsushiSakai/PythonRobotics https://www.cvxpy.org
91550编辑于 2022-08-05 - 来自专栏深度学习|机器学习|歌声合成|语音合成
python -fire 快速创建命令行接口
python-socketio", "redis", "python-redis-lock", "schedule", "cvxpy
81300发布于 2021-03-12 - 来自专栏站长的编程笔记
【说站】python有哪些求解线性规划的包
3、Cvxpy是一个凸优化工具包。 可以解决线性规划、整数规划、0-1规划、混合整数规划、二次规划和几何规划等问题。
1.5K40编辑于 2022-11-24 - 来自专栏AI研习社
Github 项目推荐 | 用 Python 实现的机器人算法示例集合 —— PythonRobotics
地址： https://github.com/AtsushiSakai/PythonRobotics 需求 Python 3.6.x numpy scipy matplotlib pandas cvxpy
2.7K90发布于 2018-03-16 - 来自专栏海轰轰的学习笔记
Python数学建模系列（三）：规划问题之非线性规划
数学建模系列（二）：规划问题之整数规划 非线性规划 非线性规划可以简单分两种，目标函数为凸函数or非凸函数 凸函数的非线性规划，比如 fun = x^2 + y^2 + xy ,有很多常用库完成，比如cvxpy
4.3K20发布于 2021-09-06 - 来自专栏量化投资与机器学习
ChatGPT：搞『量化投资』我是认真的！
关于量化研究 如何使用风险模型进行组合优化，ChatGPT提到了常用的组合优化模型，其中也包括风险平价模型，并主动给出了使用cvxpy进行优化求解的实例代码。
1.4K70编辑于 2023-04-20 - 来自专栏ThoughtWorks
如约而至｜2018年5月期技术雷达正式发布！
CVXPY便是一种针对凸优化问题所开发的开源Python嵌入式建模语言。它由斯坦福大学的学者维护，已经为数个开源和商业解决方案提供了功能齐备的安装套件。 尽管有些时候，我们仍然需要类似Gurobi和IBM CPLEX这类商业解决方案，但CVXPY在原型设计阶段可以说所向披靡。在多数情况下，有CVXPY就足够了。
1.2K10发布于 2018-07-23 - 来自专栏量子位
机器人实用Python代码合集，帮你搞定自主导航 |GitHub高热
喝前摇一摇 想要更好地用这份合集，来投喂机器人，你需要以下工具： · Python 3.6.x · Numpy · Scipy · Matplotlib · Pandas · Cvxpy 0.4.x 祝各位的机器人茁壮成长
1.3K30发布于 2018-07-19 - 来自专栏量化投资与机器学习
ChatGPT：搞『量化投资』我是认真的！
关于量化研究如何使用风险模型进行组合优化，ChatGPT提到了常用的组合优化模型，其中也包括风险平价模型，并主动给出了使用cvxpy进行优化求解的实例代码。
1.9K81编辑于 2023-02-08 - 来自专栏一点人工一点智能
PythonRobotics | 基于python的机器人自主导航
numpy[8]用于矩阵和向量运算scipy[15]用于数学、科学计算用于绘图和可视化的matplotlib[6]Pandas[10]用于数据导入和操作用于凸优化的cvxpy[5]这些模块是OSS，也可以免费使用
1.3K10编辑于 2023-01-03 - 来自专栏量化投资与机器学习
机器学习核心：优化问题基于Scipy
Python中有一些功能强大的包，如PuLP和CVXPY。 https://pythonhosted.org/PuLP/ https://www.cvxpy.org/ 在本文中，我们将介绍SciPy生态系统中可用的优化算法。
1.5K40发布于 2019-06-13 - 来自专栏C++核心编程
PyTorch学习笔记合集
-n my_env python=3.9.7 # 根据名称 conda install -p G:\anaconda3\envs\my_env python=3.9.7 # 根据地址 再例如，安装 cvxpy 时，我们可以从指定的频道（conda-forge）进行安装 conda install -n my_env -c conda-forge cvxpy 五、conda remove conda remove
1.1K20编辑于 2023-03-13 - 来自专栏C++核心编程
PyTorch学习笔记合集
-n my_env python=3.9.7 # 根据名称 conda install -p G:\anaconda3\envs\my_env python=3.9.7 # 根据地址 再例如，安装 cvxpy 时，我们可以从指定的频道（conda-forge）进行安装 conda install -n my_env -c conda-forge cvxpy 五、conda remove conda remove
1.2K30编辑于 2023-03-21 - 来自专栏fangyangcoder
SVM笔记
四个点我们算起来可能很容易，但40000个点呢，手算就不切实际了，自己编工作量太大，而且规范性差，还好，前辈们建立很多解优化问题的库，例如libsvm，cvxpy等等。 constraints:A=y_n\left[\begin{matrix}1&x_n\end{matrix}\right];c_n=1\] 下面用matlab(使用quadprog函数)和python(基于cvxpy python版 import cvxpy as cvx import numpy as np f = open('testSet.txt') X1_Neg1 = [] X1_Pos1 = [] X2 import numpy as np import cvxpy as cvx tmp = np.loadtxt(open("test_nonlinear_SVM.csv","rb"),delimiter ，cvx.quad_form(alpha,Q)不遵守DCP，我用非线性SVM算出的Q没问题，这个就有问题，具体原因不清楚) import numpy as np import h5py import cvxpy
1.6K30发布于 2018-09-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号