pyOpt多目标minimax示例

Question

要解决的抽象问题：

我们有n个d维度设计变量，比如{k_0，k_1，...，k_n}

最大化[f（k_0），f（k_1），... f（k_n）]的最小值，其中f（）是非线性函数，即maximin

约束：mean（[k_0，k_1，...，k_n]）== m，m已知常数

有人可以通过pyOpt提供一个如何解决这个问题的例子（maximin，d-dim变量）吗？

编辑：我试过这个：

void sum(int *x, int y){
    *x += y; // *x means "contents of what is pointed to by pointer x"
}

void call_sum() {
    int x = 1, y = 2;

    sum(&x,y); // &x because you're passing the address

    printf("%d\n", x); // this should print 3
}

假设二维设计变量

还有更好的方法吗？

Answer 1

我可能会将其重新表述为：

您使用的min（）函数是不可微分的（因此很危险）。此外，mean（）函数可以替换为线性约束（这更容易）。

我不熟悉ALPSO解算器，但这种重新设计通常对SNOPT，NLPQL和FSQP等更传统的求解器有所帮助。