Question

这是我的优化代码。

and

问题是，算法会更改小数点后低位的值。例如这是我最初的猜测。我已经尝试从float更改为integer，以进行解决。

  initialGuess = D.Matrix[:,D.menge]
  bnds = D.Matrix[:,(D.mengenMin,D.mengenMax)]
  con1 = {'type': 'eq', 'fun': PercentSum} 
  con2 = {'type': 'eq', 'fun': MinMaxProportion}
  cons = ([con1,con2])

  solution = minimize(rootfunc,initialGuess,method='SLSQP',\
                bounds=bnds,constraints=cons)

优化器的第一次尝试如下所示：

 [  0.   0. 123.   0.   0. 622. 245.   0.   0.   0.]

另一个是这个

[1.49011612e-08 0.00000000e+00 1.23000000e+02 0.00000000e+00
0.00000000e+00 6.22000000e+02 2.45000000e+02 0.00000000e+00
0.00000000e+00 0.00000000e+00]

最后，优化完成并显示以下错误：

[  0.           0.         123.00000001   0.           0.
 622.         245.           0.           0.           0.        ]

我认为问题在于微小的差异。是否有可能告诉SLSQP算法仅尝试对前两位小数或更高的小数位进行更改？

亲切的问候

编辑：我找到了一个选项，但是它不能解决我的问题。 scipy.optimize.minimize的新调用：

status 6
message Singular matrix C in LSQ subproblem

Answer 1

这些“微小步骤”不是求解器在每次迭代中选择的值，它们来自有限差分。像这样的基于梯度的求解器需要梯度。由于您未提供梯度作为函数，因此默认情况下会为您计算出有限的差异。如错误所述，您真正的问题很可能是奇异矩阵。

scipy.optimize.minimize更改小数位数后的值

1 个答案: