给出successive convex approximation的代码

下面是 success convex approximation 的 Python 代码示例：

import numpy as np
import cvxpy as cp

def successive_convex_approximation(f, x0, L, T, epsilon):
    x = x0
    for t in range(T):
        L_t = L/(t+1)
        x = cp.Variable(shape=x0.shape)
        obj = f(x) + cp.norm(x - x0)**2 / (2 * L_t)
        prob = cp.Problem(cp.Minimize(obj))
        prob.solve()
        x0 = x.value
        if np.linalg.norm(f(x0) - f(x.value)) < epsilon:
            break
    return x0

其中，`f` 是一个凸函数，`x0` 是初始点，`L` 是 Lipschitz 常数，`T` 是最大迭代次数，`epsilon` 是停止条件，表示函数值变化的阈值。在每一步中，我们定义一个新的变量 `x`，并构建一个目标函数，该函数由原始函数 `f(x)` 和 $\frac{1}{2L_t} \|x - x_0\|^2$ 构成，其中 $L_t = \frac{L}{t+1}$ 是每次迭代的 Lipschitz 常数。然后，我们解决这个凸优化问题，并将结果赋给 `x0`。在下一步中，我们使用 `x0` 作为下一个迭代的起点，并检查函数值是否已达到所需的精度阈值。如果是，我们就退出迭代过程。最后，我们返回最后的 `x0`。