Question

假设我有一个权重投资组合，总和= 1 然后我想定义口袋（0,1,2），其中一些资产包含在那些口袋中，并且sum（weights_pocket_assets）＆lt; pocket_max_weight
在我的UI上，每个口袋有3列，如果资产在口袋中则填充1，否则为0（此阵列称为“口袋”）

mask = list(map(int, pockets[0]))
print(pocket_max[0], mask)
constr0 = {'type': 'ineq', 'fun': lambda x: pocket_max[0] - np.sum(np.ma.array(x, mask=np.logical_not(mask)))}

mask = list(map(int, pockets[1]))
print(pocket_max[1], mask)
constr1 = {'type': 'ineq', 'fun': lambda x: pocket_max[1] - np.sum(np.ma.array(x, mask=np.logical_not(mask)))}

mask = list(map(int, pockets[2]))
print(pocket_max[2], mask)
constr2 = {'type': 'ineq', 'fun': lambda x: pocket_max[2] - np.sum(np.ma.array(x, mask=np.logical_not(mask)))}

constr = [{'type': 'eq', 'fun': lambda x: np.sum(x) - 1}, constr0, constr1, constr2]
print(constr)

作为输出：

0.04 [1, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
0.08 [0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
0.05 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0]

[{'fun': <function Book.optimize.<locals>.<lambda> at 0x00000060CCD9AD90>, 'type': 'eq'}, 
{'fun': <function Book.optimize.<locals>.<lambda> at 0x00000060CCD9AD08>, 'type': 'ineq'},
{'fun': <function Book.optimize.<locals>.<lambda> at 0x00000060CCD9ABF8>, 'type': 'ineq'},
{'fun': <function Book.optimize.<locals>.<lambda> at 0x00000060CCD9AAE8>, 'type': 'ineq'}]

这似乎是正确的。
问题是仅使用eq和last ineq进行优化（即sum（w）= 1和sum（w_pocket_2）= 0.05）
此外，如果我只有2个口袋，它只用最后一个优化。
简而言之，它只需要优化中的最后一个ineq ...不知道出了什么问题。

编辑：
如果口袋是等于的（即，每个口袋的相同组件，即相同的面具）则考虑所有3'ineq'约束（即实际上最大约束，但如果它是第一个'ineq'，则第二个或第三个是最有限制的）只要口袋没有类似的组件（例如：我们为第二个'ineq'添加一个组件），只有最后一个'ineq'才能通过优化。

Answer 1

通常，这是一个可变范围的问题（奇怪的东西，因为变量仍然被定义，但被覆盖。我没有进行更多的调查以完全理解）。以下代码按预期工作（考虑所有口袋限制）：

constr += ({'type': 'ineq',
            'fun': lambda x, mask, pocket_max, i: pocket_max[i] - np.sum(np.ma.array(x, mask=np.logical_not(mask))),
            'args': (mask, pocket_max, i )}, )

scipy optimize SLSQP仅考虑最后的ineq constrant

1 个答案: