Question

scipy.optimize.minimize产生的解决方案不满足约束条件，但是报告说优化成功终止。

目标是（x [0]-3）** 2 +（x [1]-2）** 2

约束为x [0] + x [1] <= 4

正确的解决方案应该是[2.5，1.5]

该函数的答案为[3,2]

我尝试了不同的优化方法。尝试没有方法。尝试了语法的变体。

这是代码（看起来很简单）：

import numpy as np
from scipy import optimize

def f(x):
    return (x[0] - 3)**2 + (x[1] - 2)**2

def con(x):
    return sum(x)-4 

x0 = np.array([0, 0])
res=optimize.minimize(f, x0, method="SLSQP",constraints={"fun": con, "type": "ineq"}, options={'disp':True}) 
print(res)
print(sum(res.x)-4)

Answer 1

ineq是> = 0的不等式。我假设（基于我所看到的示例）它是<= 0不等式。的确，下面的代码在纠正了这种误解之后会产生正确的答案。

将numpy导入为np 从scipy导入优化

def f（x）：返回[x [0]-3）** 2 +（x [1]-2）** 2

def con（x）：返回4-sum（x）

x0 = np.array（[0，0]） res = optimize.minimize（f，x0，method =“ SLSQP”，constraints = {“ fun”：con，“ type”：“ ineq”}，options = {'disp'：True}）打印（res）打印（sum（res.x）-4）

scipy.optimize.minimize返回不满足问题约束的解决方案。为什么？

1 个答案: