Question

Scipyoptimize.minimize似乎仅接受一维x0。我有一个问题，我的x0是shape（n，m）。存在约束，使得x0的每一行都应匹配某个值。

我可以简单地遍历每一行并对其进行优化；但是，我希望在某个时候向列添加约束。

有已知的处理方法吗？我找不到太多的讨论。我尝试了各种版本的广播，拼合等，但是在创建合理的结构方面运气不佳。

编辑：我添加了一个最小的代码示例。用test_x测试时，约束条件返回正确的零。

import numpy as np
import scipy.optimize

def cost(x, p):
    x.reshape(3, 4)
    p.reshape(3, 4)
    return (x * p).sum()

def demand_constraint(x, d):
    x = x.reshape(3, 4)
    b = x.sum(axis=0) - d
    return np.broadcast_to(b, (3, 4)).flatten()

demand = np.array([10, 14, 8, 26])
prices = np.array([[4, 4, 5, 5], [2, 8, 6, 2], [3, 2, 9, 8]])
x0 = np.zeros_like(prices).flatten()
p0 = prices.flatten()

test_x = np.array([[4, 14, 8, 26], [5, 0, 0, 0], [0, 0, 0, 0]])


cost(x0, p0)

cons = ({'type': 'eq', 'fun': demand_constraint, 'args': (demand,)})

output = scipy.optimize.minimize(cost, x0, args=p0, constraints=cons)

Answer 1

对于在搜索中可能遇到此问题的任何人，处理它的方法是为每个单独的行添加一个约束。因此，上面的demand_constraint将采用row_index字段，并且将返回单个值。

然后可以将此单个值合并到添加的约束中。您继续为形状添加约束（每个约束都是自己的字典）。我的错误是假设约束可以适用于所有x。它更适合应用于单个x。

对矩阵x0进行Scipy最小化功能

1 个答案: