使用Scipy.optimize.minimize使用SLSQP方法

Question

我很难尝试使用scipy.optimize优化任意数量的变量。目标是找到每种类型的冰棒的最佳数量，以最大化冰棒商店的利润。限制如下：

1. 每种香料的量必须在1至20之间
2. 冰棍的成本需要等于冰棒预算

以下是变量名称的解释。

1. popsicle_types是冰棒类型的列表
2. popsicle_profits是每个冰棒的总利润的向量 过去一个月的类型
3. popsicle_costs是每种类型冰棒的成本向量

4. popsicle_budget是商店必须在冰棒上花多少钱

   def func（x）：     ＆＃34;在名为arb_vars＆＃34;的列表中存储x [0] ... x [N];     arb_vars = []     j = 0     对于范围内的我（len（popsicle_types））：         arb_vars [j] = x [j]     ＆＃34;将arb_vars转换为数组＆＃34;     arb_vars = np.asarray（arb_vars）     ＆＃34;最大化这两个向量之间的点积＆＃34;     return - （np.dot（arb_vars，popsicle_profits））

上面的功能是我想要优化的。下面是我创建的一个函数，以便我可以在func函数之外使用arb_vars列表。

def arb(x):
    arb_vars = []
    j = 0 
    for i in range(len(popsicle_types)):
        arb_vars[j] = x[j]
    return arb_vars
arb_vars = arb(x)  

我不明白第一个界限（0,0）的要点。所有的界限 之后它在1到20之间，因为这是我想要的每种类型的数量范围。

bnds = ((0,0),(1,20)*len(popsicle_types))

popsicle_budget = 1000 

cons = ({'type':'eq','fun':lambda x: np.dot(arb_vars, popsicle_costs)-popsicle_budget})  

x0 = [0]*len(popsicle_types)

res = optimize.minimize(func,x0,method='SLSQP',bounds=bnds,constraints=cons)

print res

当我运行此代码时，我收到错误：IndexError：标量变量的索引无效。突出显示arb_vars [j] = x [j]的行。

有没有办法在Python中优化任意数量的变量？如果是这样，你如何做，以及使用的正确语法是什么？