为什么cvxpy和cvxopt的结果不同？

Question

import numpy as np
import pandas as pd
import cvxpy as cp
import cvxopt
from cvxopt import matrix
G_ = np.load('/shared/FactorBank/temp/G.npy')
h_ = np.load('/shared/FactorBank/temp/h.npy')
q_ = np.load('/shared/FactorBank/temp/q.npy')
N = len(q_)

这是cvxpy的一部分。你知道吗

h = h_.reshape(len(h_))
A = np.ones((1, N))
b = np.ones(1)
x = cp.Variable(int(N))
obj = cp.sum(q_ * x)
#print(G_)
constraints = [G_ * x <= h, A * x == b]
prob = cp.Problem(cp.Minimize(obj), constraints)
prob.solve()
print "status:", prob.status
print "optimal value", prob.value 
print "optimal var", x.value

状态：最佳

最佳值-3.598688474475655

最佳var[1.45281688e-05 1.21958458e-05-2.80709993e-04。。。-1.77801870e-04电话 -2.01577984e-04-1.12303384e-04]

这是cvxopt的一部分。你知道吗

G = matrix(G_)
h = matrix(h_)
A = matrix(1.0, (1, N))
b = matrix(1.0)
q = matrix(q_.T)
portfolios = cvxopt.solvers.lp(q, G, h, A, b)

成本缺口压力k/t

0:2.8090e-02-3.1698e+02 2e+04 2e-01 5e-09 1e+00

1:-6.1531e+01-9.3943e+01 2e+03 2e-02 6e-10 2e-02

2:-2.7578e+01-3.3144e+01 1e+02 3e-03 1e-10 2e-02

3:-1.8330e+01-2.1642e+01 7e+01 2e-03 6e-11 1e-02

22:-2.4301e+00-2.4301e+00 5e-06 1e-10 3e-11 7e-10

23:-2.4301e+00-2.4301e+00 8e-08 2e-12 1e-09 1e-11 找到最佳解决方案。你知道吗

那么，有人知道虽然两种状态都是“最优”的，但为什么结果不一样吗？你知道吗