为解决二次最小问题,我使用了scipy.Optimize.Minimize
。
首先,我初始化函数和一些要点:
def func(x):
return 1/4*(x[0]**2+x[1]**2) + x[2]
P1=[]
for i in range(3):
P1.append((rd.uniform(-1,1), rd.uniform(-1,1)))
P2=[]
for i in range(3):
P2.append((rd.uniform(-1,1), rd.uniform(-1,1)))
但是,我有一个关于约束的问题。 当我这样做时,没有错误,它可以正常工作:
cons = [{'type': 'ineq', 'fun': lambda x: x[2] - x[0] * P1[0][0] - x[1] * P1[0][1] - (P1[0][0] ** 2 + P1[0][1] ** 2)},
{'type': 'ineq', 'fun': lambda x: x[2] - x[0] * P1[1][0] - x[1] * P1[1][1] - (P1[1][0] ** 2 + P1[1][1] ** 2)},
{'type': 'ineq', 'fun': lambda x: x[2] - x[0] * P1[2][0] - x[1] * P1[2][1] - (P1[2][0] ** 2 + P1[2][1] ** 2)}]
for i in range(len(P2)):
cons.append({'type': 'ineq', 'fun': lambda x: -x[2] + x[0]*P2[i][0] + x[1]*P2[i][1] + (P2[i][0]**2+P2[i][1]**2)})
但是当我这样做时,它返回RuntimeWarning
:在double_scalars
中遇到无效的值,并且不起作用:
cons=[]
for i in range(0, len(P1)):
cons.append({'type': 'ineq', 'fun': lambda x: x[2] - x[0] * P1[i][0] - x[1] * P1[i][1] - (P1[i][0] ** 2 + P1[i][1] ** 2)})
for i in range(len(P2)):
cons.append({'type': 'ineq', 'fun': lambda x: -x[2] + x[0]*P2[i][0] + x[1]*P2[i][1] + (P2[i][0]**2+P2[i][1]**2)})
PS: 结束了:
x0 = np.array([0, 0, 0])
res = minimize(func, x0, constraints=cons)
在不起作用的情况下,我不知道我的错误在哪里。 预先谢谢你:)