Skip to main content
 首页 » 编程设计

python之scipy.optimize 紧凑约束

2025年04月02日8kevingrace

我有一个长度为 9 的 np.array A,它是目标函数中的变量。

A =  [ a1, a2, a3, 
       b1, b2, b3, 
       c1, c2, c3], where a1...c3 are real numbers. 
with constraints: a1 > a2, a2 > a3, 
                  b1 > b2, b2 > b3, 
                  c1 > c2, c2 > c3 

有没有简单的方法来写约束?目前我有以下代码,但是随着数组变大,很难全部写出来。

cons = ( 
        {'type':'ineq', 
         'fun': lambda x : np.array([x[0]-x[1]]) 
        } 
    , 
        {'type':'ineq', 
         'fun': lambda x : np.array([x[1]-x[2]]) 
        } 
    , 
        {'type':'ineq', 
         'fun': lambda x : np.array([x[3]-x[4]]) 
        }     
    , 
        {'type':'ineq', 
         'fun': lambda x : np.array([x[4]-x[5]]) 
        }    
    , 
        {'type':'ineq', 
         'fun': lambda x : np.array([x[6]-x[7]]) 
        }     
    , 
        {'type':'ineq', 
         'fun': lambda x : np.array([x[7]-x[8]]) 
        }     
   ) 

请您参考如下方法:

显然,您的约束是 A 的每一列都应该(按元素)大于或等于其右侧的列。

您可以按如下方式制定单个矢量输出约束:

def cons_fun(x): 
    A = x.reshape(3,3) # change "(3,3)" according to the dimensions of A 
 
    return np.array([A[:,i]-A[:,i+1] for i in range(3-1)]).ravel() # change "3" accordingly 
 
cons = ({'type':'ineq', 
         'fun' : cons_fun},) 

根据我使用 SLSQP 的经验,向量输出约束比提供多个标量输出约束导致优化时间更快。