问题的优化覆盖类型的Python实现

Question

我想知道是否可以使用scipy.optimize或其他Python包来框架优化问题。 这就是问题。 我有两个0和1的矩阵。

import numpy as np
from numpy import random
event1 = random.choice([0, 1], size=(20,10), p=[9./10, 1./10])
event2 = random.choice([0, 1], size=(20,10), p=[5./10, 5./10])

我想找到行的最佳子集（如果我为矩阵event1选择行x，那么我也必须为矩阵event2选择行x），这样：

sum(event2[rows_select].sum(axis=0) > 0)最小

要遵守

mean(event1[rows_select].sum(axis=0) > 0) >= p --where 0<p<1

在此示例中，row_Select是随机的，但这实际上是需要优化的。

rows_select = random.choice([False, True], size=(20,), p=[5./10, 5./10])