我有一个受限优化问题,正在尝试使用 scipy.optimize.minimize 来解决。
基本上,我将一个参数 f 拟合到具有约束的 ODE 系统: f>0 和
f*1000< 500
我在下面写了一篇 MWE。在这个简单的情况下,很明显 0<f<0.5,但在我的实际问题中,先验上限并不明显,因此存在不等式约束。
from __future__ import division
import numpy as np
from scipy.integrate import odeint
from scipy.optimize import minimize
def myeqs(y,t,beta, gamma,N):
dy0 = -(beta/N)*y[0]*y[1]
dy1 = (beta/N)*y[0]*y[1] - gamma*y[1]
dy2 = gamma*y[1]
return [dy0,dy1,dy2]
def runModel(f, extraParams):
[beta, gamma, N, initCond, time]= extraParams
S0 = (1-f)*initCond[0]
I0 = initCond[1]
R0 = f*initCond[0]
tspan = np.linspace(time[0], time[1], int(time[1] - time[0]))
sol = odeint(myeqs, [S0,I0,R0], tspan, args=(beta, gamma, N))
return sol
y0 = [1000, 1, 0]
extraParams = [0.5, 0.25, 1000, y0, [0,150]]
def computeSimple(f, extraParams):
sol = runModel(f, extraParams)
return np.abs((sol[-1,2] - sol[0,2]))
def c1(f):
return f*1000.0 - 500.0
cons = ({'type': 'ineq', 'fun': c1})
#cons = ({'type': 'ineq',
# 'fun': lambda x: x[0]*1000 - 500}, )
res = minimize(computeSimple, 0.2, args=(extraParams, ), method='SLSQP', bounds=((0,1.5), ), constraints=cons)
print res.x
print c1(res.x)
如果您运行此命令,您将看到 res.x 始终是边界的上限,无论约束如何... 我的错误在哪里? 提前致谢
最佳答案
你的约束条件倒退了。这个约束:
def c1(f):
return f*1000.0 - 500.0
将 f
限制为至少 0.5,而不是最多 0.5
关于python - 为什么 scipy.minimize 忽略我的约束?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40753159/