Question

scipy.minimize似乎没有遵守约束。这是一个简单的例子，其中约束用于防止对数中的负参数，但最小化函数不符合：

import math
from scipy.optimize import minimize

def obj(x,b):
    print "obj x",x
    return math.log(x-b)

def constr(x,b):
    print "constr x",x
    return x-b

x=3.1
b=3
a=minimize(obj,x,args=(b),constraints={'type': 'ineq', 'fun':constr,'args':[b]})

输出是：

constr x [ 3.1]
obj x [ 3.1]
constr x [ 3.1]
obj x [ 3.1]
obj x [ 3.10000001]
constr x [ 3.1]
constr x [ 3.10000001]
obj x [ 3.]
Traceback (most recent call last):
File "scipy_minimize_constraints.py", line 19, in 
a=minimize(obj,x,args=(b),constraints={'type': 'ineq', 'fun':constr,'args':[b]})
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/_minimize.py", line 495, in minimize
constraints, callback=callback, **options)
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/slsqp.py", line 378, in _minimize_slsqp
fx = func(x)
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.py", line 292, in function_wrapper
return function(*(wrapper_args + args))
File "scipy_minimize_constraints.py", line 9, in obj
return math.log(x-b)
ValueError: math domain error

python2.7 Scipy版本1.0.0

我做错了吗？

Answer 1

约束

SELECT c.table_name, c.column_name
  FROM INFORMATION_SCHEMA.COLUMNS c
  WHERE c.column_name IN ('W','X','Y','Z')
ORDER BY c.table_name ASC, c.column_name ASC

结果为def constr(x,b): return x-b（非负），但允许x-b >= 0。如果x-b = 0，则log(x-b)未定义。你需要引入一些epsilon，如：

x-b = 0

不会抛出你的错误。

但可能存在一个更重要的问题：我真的不认为求解器（这里的SLSQP）保证它的迭代是可行的！可能会出现问题。在您的简单示例中，要采用的方法是将约束转换为边界。这当然不那么具有表现力（并不总是可行;但对于你的小例子而言），但这些界限在迭代中得到尊重！

eps = 1e-12
def constr(x,b):
    return x-b-eps

（当然：不要使用最小化进行单维优化。最小化数量。）

Answer 2

我不知道scipy的最小化是如何起作用的，但我认为你没有遵循约束条件是正确的。

如果在obj（x，b）中，我尝试打印x - b，那么当它抛出错误时，我会得到最后一个循环的负输出。

但这并不奇怪。你最小化的函数基本上是log（z），约束为z＆gt; 0.这不会很慢收敛......：p

编辑：将关键字参数“tol”（误差容差）设置为大约0.1，以便最小化器消除错误（如minimize(..., tol=0.1)中所示）。我仍然不知道为什么它首先如此重要。

编辑（因为我仍然无法发表评论）： @sascha，这是有道理的，但为什么函数甚至评估x-b的负值？为了更好地优化其中的解决方案，最小化功能是否在其约束之外“测试”？（如果我将此问作为一个新问题，请告诉我。）

scipy.minimize似乎没有遵守约束

2 个答案: