使用SLSQP的SciPy优化所提供的解决方案不满足约束条件

时间:2018-10-31 15:08:16

标签: python scipy nonlinear-optimization

我正在尝试最小化功能  B1=0.00299540627439527*x[0]**2 + 0.00701825276534463*x[0]*x[1] + 0.0672877782113971*x[0] + 0.00456646480250456*x[1]**2 + 0.054080834634827*x[1] + 0.298938755491431x1=[-10,10]x2=[-10,10]的状态空间上 考虑到以下不平等现象 EqX0=[[(x[0]+5)**2+x[1]**2-2.5]]<=0,其中x[0]x[1]已被符号定义为x1x2

ga=1是一个参数

但是,当我使用SLSQP解决非线性约束优化问题时,答案导致x = [-10,10]不能满足不等式约束。

这是一段代码:

def Objective2(ax):
    B2=B1.copy()
    B2=B2.subs((x[i],ax[i]) for i in range(len(ax)))
    return ga-B2

def Constraint1(ax):
    EqX0c=EqX0.copy()
    cc=[]
    for pp in range(len(EqX0c)):
        cc.append(-EqX0c[0][pp].subs((x[i],ax[i]) for i in range(len(ax))))
    return cc

con1= {'type': 'ineq','fun': Constraint1}
bounds=Bounds([-10,10],[-10,10])
sol2=minimize(Objective2,x0,method="SLSQP",bounds=bounds,constraints=con1)

这是产生的输出。程序成功终止,但给出错误结果。

fun: -0.12123115088124994 jac: array([-0.07756218, -0.0752276 ]) message: 'Optimization terminated successfully.' nfev: 4 nit: 5 njev: 1 status: 0 success: True x: array([-10., 10.])

有任何想法为什么会发生这种情况以及我该如何解决?

1 个答案:

答案 0 :(得分:0)

我认为您定义的界限错误。尝试Bounds([-10,-10],[10,10])

请参见docs