Scipy 最小化约束函数 [英] Scipy minimize constrained function

问题描述

我正在解决以下优化问题:

I am solving the following optimization problem:

使用此 Python 代码:

with this Python code:

from scipy.optimize import minimize
import math

def f(x):
    return math.log(x[0]**2 + 1) + x[1]**4 + x[0]*x[2]

x0 = [0, 0, 0]

cons=({'type': 'ineq',
       'fun': lambda x: x[0]**3 - x[1]**2 - 1},
      {'type': 'ineq',
       'fun': lambda x: x[0]},
      {'type': 'ineq',
       'fun': lambda x: x[2]})

res = minimize(f, x0, constraints=cons)
print res

我收到一个错误

消息:'不等式约束不兼容'

message: 'Inequality constraints incompatible'

什么会导致这个错误?

推荐答案

问题似乎与您最初的猜测有关.如果我将您的起始值更改为

The issue seems to be with your initial guess. If I change your starting values to

x0 = [1.0, 1.0, 1.0]

然后你的代码会执行得很好(至少在我的机器上)

Then your code will execute fine (at least on my machine)

Python 3.5.1 (v3.5.1:37a07cee5969, 2015 年 12 月 6 日，01:54:25) [MSC v.1900 64 位 (AMD64)] 在 win32 上

Python 3.5.1 (v3.5.1:37a07cee5969, Dec 6 2015, 01:54:25) [MSC v.1900 64 bit (AMD64)] on win32

 message: 'Optimization terminated successfully.'
    njev: 10
     jac: array([ 1.,  0.,  1.,  0.])
     fun: 0.6931471805582502
     nit: 10
  status: 0
       x: array([  1.00000000e+00,  -1.39724765e-06,   1.07686548e-14])
 success: True
    nfev: 51

这篇关于Scipy 最小化约束函数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！