yalmip求解线性规划问题提示无严格约束

想做个基于最小绝对值的状态估计程序。利用yalmip想求解线性规划问题老是出来猫图。是我对公式理解有问题还是编程上出了问题呢，求解代码如下：
其中c矩阵、A矩阵与b矩阵预设没有问题

n=2*nbus-1;%参与迭代的状态量数
m=length(type);%量测量数目
%定义变量
xu=sdpvar(n,1);
xv=sdpvar(n,1);
u=sdpvar(m,1);
v=sdpvar(m,1);
I=eye(m);
A=[H -H I -I];
b=r;
y=[xu;xv;u;v];
c=zeros(2*n+2*m,1);c(2*n+1:2*n+m)=zdata(:,6);c(2*n+m+1:end)=zdata(:,6);
%定义目标函数objection
obj=c'*y;
%定义约束constraints
constr=A*y==b;
%设置优化参数
ops=sdpsettings('solver','cplex');
%求解
optimize(constr,obj,ops);
y_opt=value(y);
xa=y_opt(1:n);
xb=y_opt(n+1:2*n);
dE=xa-xb;

img

能解决的人需要整个文件的话可以联系q156543028

以下是引用Chatgtp回答

首先，从您提供的代码来看，您的目标函数和约束条件定义是正确的。但是在您的代码中，我发现您使用的是'cplex'求解器。在继续之前，请确保您已经安装了CPLEX求解器并正确配置了与YALMIP的接口。如果您没有安装CPLEX，可以尝试使用MATLAB自带的linprog求解器或其他与YALMIP兼容的求解器。

假设您已经正确安装并配置了CPLEX求解器，接下来我们检查代码是否存在其他问题。在您的代码中，我没有发现任何明显的错误，但有一些建议可以帮助改进代码的可读性和效率。

首先，您可以使用YALMIP内置的sum函数直接定义目标函数，而不是定义一个全零向量c。这样可以让代码更简洁。其次，您可以将optimize函数的输出赋给一个变量，例如result，以便在解决问题后检查解的状态。最后，为了确保代码的正确性，请确保在代码中所有矩阵和向量的尺寸都是正确的。

以下是修改后的代码：

n = 2 * nbus - 1;
m = length(type);

% 定义变量
xu = sdpvar(n, 1);
xv = sdpvar(n, 1);
u = sdpvar(m, 1);
v = sdpvar(m, 1);

A = [H -H eye(m) -eye(m)];
b = r;
y = [xu; xv; u; v];

% 定义目标函数
obj = sum(u) + sum(v);

% 定义约束
constr = A * y == b;

% 设置优化参数
ops = sdpsettings('solver', 'cplex');

% 求解
result = optimize(constr, obj, ops);

% 检查解的状态
if result.problem == 0
    y_opt = value(y);
    xa = y_opt(1:n);
    xb = y_opt(n+1:2*n);
    dE = xa - xb;
else
    disp('求解出错');
end

如果您仍然遇到问题，请检查输入矩阵的尺寸是否正确。同时，您可以尝试使用不同的求解器，看看是否可以得到正确的结果。如果问题依然存在，请提供更多关于问题和输入数据的详细信息，以便我们能够更好地帮助您。

以下是引用new bing回答
您的代码中有一些错误，例如 length（type） 应该是 length(type)，sdpvar（n，1） 应该是 sdpvar(n,1)。请检查您的代码并确保所有括号都是英文括号而不是中文括号。

此外，您的代码中有一些变量未定义，例如 nbus、type 和 zdata。请确保这些变量已经定义并赋值。