通过仅更改某些参数来最大化 Scipy

Question

我有一个函数，它接受多个输入参数并返回一个结果

def objective(a, b, c, d, e, f):
...
return result

我想在一定范围内找到 a、b 和 c 的值，以使结果最大化，同时保持 d、e 和 f 不变。

我一直在四处浏览以了解 scipy.optimize.minimize 的工作原理，但我不确定如何实现这一目标。

我不明白该怎么做是：

1. 如何分别传递 a、b 和 c 的约束（例如，a 需要在 [-1, 0] 范围内，b 需要在 [0, 1] 范围内，等等）
2. 如何确保 d、e 和 f 对最大化练习保持外生（即它们没有弯曲） - 我想相反，如何指示最小化函数弯曲 a、b 和 c。李>

Answer 1

To 2：您可以简单地创建一个只有三个参数的新目标函数。一个简单的方法是使用 lambda 函数：

d = ...
e = ...
f = ...
myNewObjective = lambda a, b, c: -objective(a, b, c, d, e, f)
scipy.optimize.minimize(objective, [0, 0, 0], method = 'L-BFGS-B')

当你想最大化你的目标并且scipy只支持最小化你应该最小化-objective，因此myNewObjective的定义中的额外减号。

To 1：可以将scipy.optimize.Bounds对象传递给一些优化器函数，例如

bounds = scipy.optimize.Bounds([-1.0, 0.0, 0.0], [0.0, 1.0, 1.0])
scipy.optimize.minimize(myNewObjective, x0, bounds = bounds, method = 'L-BFGS-B')

在构建边界时，您只需传递下限和上限。请注意，实际上只有一些优化器类型可以处理这种约束，例如L-BFGS-B 或TNC，因此您必须使用method 参数选择正确的优化器。