在Python中进行optimize.minimize找不到解决方案

Question

我正在尝试使用optimize.minimize最大化一个函数，但是由于某些原因没有给出正确的答案。

import numpy as np
import pandas as pd
import math
from scipy.optimize import minimize
import matplotlib.pyplot as plt

eps = 0.001
def safe_log(x):
    if x > eps:
        return math.log(x)
    logeps = np.log(eps)
    a = 1 / (3 * eps * (3 * logeps * eps)**2)
    b = eps * (1 - 3 * logeps)
    return a * (x - b)**3    

def funct(x):
    return -(( (1 - 0.45192566) * safe_log( 1 - x )) + ( 0.45192566 * safe_log( 1 + ((5.5 - 1)*x) )))

cons = ({'type': 'ineq', 'fun': lambda x: x-1})
bnds = ((0, None),)

res = minimize(funct, (0), constraints=cons, bounds=bnds)
print("res", res.x)
print("mes", res.message)

x = []
y = []
for i in range(0, 100):
    x.append(i/100)
    y.append(funct(i/100))
    pass

plt.plot(x,y)
plt.show()

计算出的答案是1。

如果我绘制该函数，则可以在图片中看到一个清晰的最小值

我已经坚持了几天，但找不到答案。

Answer 1

您已将x限制为至少1：

cons = ({'type': 'ineq', 'fun': lambda x: x-1})

SciPy已成功地将目标函数最小化，这取决于您的限制和约束。受这些限制和约束，最小值出现在x = 1。