非线性约束的分类

说实话，非线性约束这个词，刚入行的时候听着挺唬人的。但干久了你会发现，它就是把现实世界中那些「不是直线」的关系，用数学语言描述出来而已。

我这些年做项目，碰到的非线性约束五花八门。但归纳起来，无非就四大类：多项式、三角函数、指数对数、分段线性。今天咱们就一个一个掰扯清楚。

1. 多项式约束

多项式约束是最常见的一类。说白了，就是变量之间是幂次关系。

一般形式长这样：

a₁x₁ⁿ¹ + a₂x₂ⁿ² + ... + aₖxₖⁿᵏ ≤ b

其中 n₁, n₂, ..., nₖ 是正整数。当 n=1 时就是线性，n≥2 就是非线性。

我在项目中遇到过一个典型的例子：某化工产品的产量与成本关系。产量翻倍，成本不是翻倍，而是呈二次增长。因为设备磨损、能耗增加这些因素，都是非线性的。

2. 三角函数约束

三角函数约束，说白了就是角度、旋转、周期这些场景。

常见形式：

sin(θ) + cos(φ) ≤ 1
tan(α) ≥ 0.5

你想想看，机器人关节的角度限制、卫星的姿态控制、天线的覆盖范围……这些全是三角函数约束的天下。

我曾经踩过一个坑：做机械臂路径规划时，直接用了 sin(θ) 作为约束。结果求解器报错说非凸。后来才意识到，sin(θ) 在 [0, 2π] 上既有凸区又有凹区。嗯，这里要注意——三角函数天然是非凸的，除非你限定在单调区间。

3. 指数与对数约束

指数和对数约束，说白了就是增长或衰减不是线性的。

指数形式：

e^(ax) + e^(by) ≤ c

对数形式：

ln(x) + ln(y) ≥ d

这类约束在金融、通信、生物领域特别多。比如信号衰减模型、种群增长模型、复利计算……

我个人习惯是把指数约束转成对数形式来处理。为什么呢？因为对数函数是凹函数，在某些情况下可以保持凸性。举个例子：

原约束：e^(x) + e^(y) ≤ 10
等价于：ln(e^(x) + e^(y)) ≤ ln(10)

但注意，这个转化并不总是让问题变简单。有时候反而会引入更复杂的非线性。

4. 分段线性约束

分段线性约束，说白了就是用多段直线去逼近一条曲线。

形式：

f(x) = max(a₁x + b₁, a₂x + b₂, ..., aₖx + bₖ)

或者：

f(x) = min(a₁x + b₁, a₂x + b₂, ..., aₖx + bₖ)

为什么会有分段线性？因为很多实际问题中，关系不是一条直线能描述的。比如阶梯电价、批量折扣、税率计算……

我记得有一次做供应链优化，运输成本是阶梯式的：0-100吨一个价，100-500吨另一个价，500吨以上再一个价。这就是典型的分段线性约束。

知识体系总览

下面这张图，是我自己总结的分类体系。你看一眼就能记住：

各类约束的对比

类型	凸性	求解难度	常见场景	我的建议
多项式	取决于次数和系数	中等	物理模型、经济模型	二次优先用SOCP
三角函数	非凸（全局）	高	机器人、卫星、天线	分段线性化
指数/对数	指数凸，对数凹	中等	金融、通信、生物	尝试指数锥建模
分段线性	可凸可凹	低（但变量多）	阶梯定价、批量折扣	优先用SOS2