方法：SciPy.optimize

Question

我编写了以下代码来最小化目标，其中变量x1、x2、x3 介于 0.8-1.2 之间，x1、x2、x3 的总和是一个数字。

import numpy as np
from scipy.optimize import minimize 


def objective(x):
    x1 = x[0]
    x2 = x[1]
    x3 = x[2]
    return 1/x1 +2/x3+ 0.5/x2

def constraint1(x):
    return 7*x[0]+8*x[1]+4*x[2]-5

x0 = [1,0.8, 1.1]
b = (0.8, 1.2)
bnds = (b,b,b)
con1 = {'type':'eq', 'fun' :constraint1}

solution = minimize(objective, x0, method ='', bounds= bnds, constraints= con1)

print (solution)

我使用了 BFGS 函数，它给了我一个超出 0.8-1.2 范围的数组，而 SLSQP 给了我success=false。我的代码有问题还是我使用了错误的方法？

Answer 1

• BFGS 不适用于受限问题
• 使用 SLSQP 我看到：消息：“超出迭代限制”
• 增加迭代限制后：消息：'不等式约束不兼容'
• 这是有道理的。如果变量的下限是 0.8，7*x[0]+8*x[1]+4*x[2]=5 怎么可能？ IE。我们提前知道7*x[0]+8*x[1]+4*x[2]>=15.2。

我建议为这种方法提供可行的问题。