CVXPY文档位于cvxpy.org网站.

我们正在建立一个CVXPY社区不一致。加入对话！对于问题和长期讨论，请使用Github问题和Github讨论.

目录

• 安装
• 入门
• 问题
• 社区
• 贡献
• 团队
• 引用

CVXPY是一种用于凸优化问题的Python嵌入式建模语言。它允许你以一种遵循数学的自然方式来表达你的问题，而不是以求解者所要求的限制性标准形式。

例如，以下代码解决了变量受上下限约束的最小二乘问题：

进口 cvxpy公司 作为 内容提供商
进口 numpy公司

#问题数据。
米 = 30
n个 = 20
numpy公司.随机的，随机的.种子(1)A类 = numpy公司.随机的，随机的.兰登(米,n个)b = numpy公司.随机的，随机的.兰登(米)#构造问题。
x个 = 内容提供商.变量(n个)客观的 = 内容提供商.减少(内容提供商.平方和（_S）(A类@x个 - b))约束 =[0 <= x个,x个 <= 1]问题 = 内容提供商.问题(客观的,约束)#最佳目标由prob.solve（）返回。
结果 = 问题.解决()#x的最佳值存储在x.value中。
打印(x个.价值)#约束的最优拉格朗日乘子
#存储在constraint.dial_value中。
打印(约束[0].双重值)

使用CVXPY，您可以建模

• 凸优化问题，
• 混合积分凸优化问题，
• 几何程序，以及
• 拟凸规划。

CVXPY不是解算器。它依赖于开源解决方案ECOS公司,SCS公司,和OSQP公司。其他解算器包括可获得的,但必须单独安装。

CVXPY最初是斯坦福大学的一个研究项目。它现在由开发许多人，跨越许多机构和国家。

CVXPY在PyPI上可用，并且可以与

pip安装cvxpy

CVXPY也可以与conda一起安装，使用

conda安装-c conda-forge cvxpy

CVXPY具有以下依赖项：

• Python>=3.7
• OSQP>=0.4.1
• ECOS>=2
• SCS>=1.1.6
• 数字Py>=1.15
• SciPy>=1.1.0

有关详细说明，请参阅安装指导.

要开始使用CVXPY，请查看以下内容：

• CVXPY官方教程
• 示例库
• API参考

我们鼓励您使用Github跟踪器。我们欢迎各种问题，尤其是与正确性、文档、性能和功能要求相关的问题。

对于基本用法问题（例如，“为什么我的问题不是DCP？”），请使用堆栈溢出而不是。

CVXPY社区由来自世界各地的研究人员、数据科学家、软件工程师和学生组成。我们欢迎您加入我们！

• 要实时与CVXPY社区聊天，请加入我们不一致.
• 要与CVXPY社区进行更长时间的深入讨论，请使用Github讨论.
• 要共享功能请求和错误报告，请使用Github问题.

请尊重您与CVXPY社区的沟通，并确保遵守我们的行为准则.

我们感谢所有的贡献。你不需要成为凸面方面的专家优化以提供帮助。

你应该先安装来自源的CVXPY.以下是立即开始贡献的一些简单方法：

• 阅读CVXPY源代码并改进文档，或解决TODO问题
• 增强网站文档
• 浏览问题跟踪器，并查找标记为“需要帮助”的问题
• 抛光示例库
• 添加基准

如果您想在我们的库中添加一个新示例，或实现一个新功能，请先与我们联系，确保您的优先事项与我们的。

缴款应作为拉入请求.CVXPY开发团队的一名成员将审查拉取请求和指南你通过贡献过程。

在开始你的贡献之前，请阅读贡献指南.

CVXPY是一个社区项目，由许多研究人员和工程师。

CVXPY由开发和维护史蒂文钻石,阿克西阿格拉瓦尔,莱利·默里,菲利普·席勒,和巴尔托洛梅奥·斯特拉托，其他许多人也做出了贡献明显地。一份详尽的名单，列出了在这些年包括斯蒂芬·博伊德（Stephen Boyd）、埃里克·朱棣文（Eric Chu）、罗宾·弗舒伦（Robin Verschueren）、迈克尔·索默勒（Michael Sommerauer）、，Jaehyun Park、Enzo Busseti、AJ Friend、Judson Wilson和Chris Dembia。

有关团队和流程的更多信息，请参阅我们的治理文件.

如果您使用CVXPY进行学术工作，我们鼓励您引用我们的论文。如果您在行业中使用CVXPY，我们也希望通过Discord或电子邮件收到您的来信。