MATLAB中CVX凸优化工具箱的使用指南

一、CVX工具箱概述

CVX是由斯坦福大学开发的凸优化建模工具箱，支持线性规划（LP）、二次规划（QP）、半定规划（SDP）、几何规划（GP）等凸优化问题。其核心优势在于将数学优化问题转化为规范形式，自动调用底层求解器（如ECOS、SCS、Gurobi等）。

---

二、安装与配置

1. 系统要求

• MATLAB版本：R2009a及以上（64位系统推荐MATLAB R2014b+）
• 操作系统：Windows/Linux/macOS
• 依赖组件：需安装求解器（如MOSEK、Gurobi等商业求解器或ECOS开源求解器）

2. 安装步骤

1. 下载CVX：从官网选择对应平台的压缩包（推荐cvx-w64.zip）

2. 解压部署：将压缩包解压至非MATLAB工具箱目录（如D:\cvx）

3. 初始化配置：

   cd D:\cvx\cvx
   cvx_setup
   

4. 求解器配置：安装并配置MOSEK/Gurobi许可证（需单独获取）

3. 验证安装

运行测试脚本：

cvx_begin
    variable x(2)
    minimize(norm(x) + 2*norm(x,2))
    subject to
        x >= 1
cvx_end

成功输出应显示Status: Solved及最优值。

---

三、核心语法与功能

1. 基本建模流程

cvx_begin
    variable x(n)        % 声明变量
    variable y(n,m) symmetric  % 声明对称矩阵变量
    minimize( sum(x) )   % 目标函数
    subject to
        A*x <= b         % 线性约束
        x >= 0           % 非负约束
        {x, y} <In> lorentz(3)  % 非线性约束（洛伦兹锥）
cvx_end

2. 关键语法特性

• 约束类型： 等式约束：==（需两侧为仿射表达式） 不等式约束：<=（左侧凸，右侧凹） 集合成员：<In> semidefinite(n)（半正定约束）

• 变量声明：

  variable x(10) complex    % 复数变量
  variable y(5) nonnegative % 非负变量
  variable Z(3,3) toeplitz  % Toeplitz矩阵
  

• 函数库： 凸函数：norm(), quad_form(), log_det() 矩阵运算：trace(), diag(), kron() 特殊函数：entropy(), mutual_information()

3. 求解器控制

cvx_begin quiet          % 静默模式
cvx_begin sdp            % 半定规划模式
cvx_begin gp             % 几何规划模式
solver = 'mosek';        % 指定求解器
cvx_solver solver        % 设置求解器

---

四、典型应用案例

1. 最小二乘问题

A = randn(100,10); b = randn(100,1);
cvx_begin
    variable x(10)
    minimize(norm(A*x - b))
cvx_end

输出：最优解x及残差cvx_optval

2. 端口约束投资组合优化

n = 5; % 资产数量
mu = rand(n,1); % 收益率
Sigma = randn(n,n); Sigma = Sigma*Sigma'; % 协方差矩阵
cvx_begin
    variable x(n)
    minimize( x'*Sigma*x )
    subject to
        sum(x) == 1;      % 资金全分配
        mu'*x >= 0.1;     % 最低预期收益
        x >= 0;           % 非负约束
cvx_end

3. 图像去模糊（半定规划）

% 构建模糊核K和观测图像b
cvx_begin
    variable x(size(b))
    minimize( norm_nuc(K'*K) + 0.1*norm(x) )
    subject to
        K*x == b
cvx_end

---

五、高级功能

1. 参数化建模

function [x_opt, fval] = optimize_with_params(A, b, lb)
    cvx_begin
        variable x(size(A,2))
        minimize( 0.5*x'*A*x + b'*x )
        subject to
            x >= lb
    cvx_end
end

2. 敏感性分析

% 计算对偶变量（拉格朗日乘子）
dual_var = cvx_dual_variable;

% 参数扰动分析
delta = 0.1;
new_optval = cvx_optval + dual_var' * delta;

3. 多阶段优化

cvx_begin
    variables x(2) y(2)
    minimize( sum(x.^2) + sum(y.^2) )
    subject to
        x + y == 1;
        x >= 0; y >= 0;
cvx_end

参考代码 matlab工具箱，cvx凸优化 www.youwenfan.com/contentcno/96068.html

六、注意事项

1. 版本兼容性： CVX 2.2+支持MATLAB App Designer CVX 3.0+要求编译器支持C++11标准

2. 性能优化：

   • 使用cvx_begin quiet减少输出
   • 大规模问题启用GPU加速（需Parallel Computing Toolbox）

   cvx_solver_settings('use_gpu', true);
   

3. 常见问题： 内存不足：分块处理大规模矩阵，设置cvx_memory_limit(4e9) 求解失败：检查约束凸性，尝试调整求解器参数 版本冲突：避免同时安装多个MATLAB优化工具箱（如YALMIP）