import numpy
from numpy import asarray
Initial = numpy.asarray [2.0, 4.0, 5.0, 3.0, 5.0, 6.0] # Initial values to start with
bounds = [(1, 5000), (1, 6000), (2, 100000), (1, 50000), (1.0, 5000), (2, 1000000)]
# actual passed bounds
b1 = lambda x: numpy.asarray([1.4*x[0] - x[0]])
b2 = lambda x: numpy.asarray([1.4*x[1] - x[1]])
b3 = lambda x: numpy.asarray([x[2] - x[3]])
constraints = numpy.asarray([b1, b2, b3])
opt= optimize.fmin_slsqp(func,Initial,ieqcons=constraints,bounds=bounds, full_output=True,iter=200,iprint=2, acc=0.01)
问题: 我想通过不平等约束。假设我有 6 个参数
[ a, b, c, d, e, f]
在初始
值中,我的约束是:
a<=e<=1.4*a ('e' varies from a to 1.4*a)
b<=f<=1.4*b ('f' varies from b to 1.4*b)
c>d ('c' must always be greater than d)
但这不能正常工作。我不知道这是什么错误。 有没有更好的方法将我的约束作为函数传递? 请帮助我。
最佳答案
根据 Robert Kern 的评论,我删除了之前的答案。以下是连续函数的约束:
b1 = lambda x: x[4]-x[0] if x[4]<1.2*x[0] else 1.4*x[0]-x[4]
b2 = lambda x: x[5]-x[1] if x[5]<1.2*x[1] else 1.4*x[1]-x[5]
b3 = lambda x: x[2]-x[3]
注意:此语法需要 Python 2.5 或更高版本。1
获取约束a<=e<=1.4*a
,请注意1.2*a
是 a
之间的中间点和1.4*a
.
低于此点,即全部e<1.2*a
,我们使用连续函数e-a
。因此,当 e<a
时,整体约束函数为负。 ,处理较低的越界条件,下边界为零 e==a
,然后 e>a
为正直到一半。
中点以上,即全部e>1.2*a
,我们使用连续函数 1.4*a-e
。这意味着当 e>1.4*a
时,整体约束函数为负。 ,处理上限越界条件,上限为零 e==1.4*a
,然后当 e<1.4*a
时为正值,下降到中间点。
在中间点,e==1.2*a
,两个函数具有相同的值。这意味着整体函数是连续的。
引用:documentation for ieqcons
.
1 - 这是 Python 2.5 之前的语法:b1 = lambda x: (1.4*x[0]-x[4], x[4]-x[0])[x[4]<1.2*x[0]]
关于python - 使用 lambda 作为约束函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1511354/