对于数据 x_1, ... x_n d 维向量，我正在尝试解决以下优化问题：
其中变量是 \lambda_{ij}, i=1, ... n, j = 1, ... k （实数）和 w_1, ... w_k 向量在 R^d
在约束下
对于 h = 2, ... d 和所有 i
这样优化函数是凸的，但约束所识别的可行区域不是。
我对 Python 中的优化生态系统完全陌生，我想知道这种问题是否有事实上的标准，或者至少有一些关于从哪里开始的建议（scipy？pyomo？）
对于数据 x_1, ... x_n d 维向量，我正在尝试解决以下优化问题：
其中变量是 \lambda_{ij}, i=1, ... n, j = 1, ... k （实数）和 w_1, ... w_k 向量在 R^d
在约束下
对于 h = 2, ... d 和所有 i
这样优化函数是凸的，但约束所识别的可行区域不是。
我对 Python 中的优化生态系统完全陌生，我想知道这种问题是否有事实上的标准，或者至少有一些关于从哪里开始的建议（scipy？pyomo？）