具有多个约束的 scipy 优化答案

【问题标题】：scipy optimization with multiple constraints具有多个约束的 scipy 优化
【发布时间】：2020-02-21 08:40:02
【问题描述】：

如何在python中找到对系数有多个约束的线性回归的解决方案？

【问题讨论】：

QP 算法将是一个好主意。 SciPy 没有这个，但 SLSQP 是一个更通用的 NLP 求解器，可以处理这个问题。注意：由于严格的不等式，从技术上讲，没有任何方法可以解决您的问题。最好使用
@ErwinKalvelagen 你能推荐一个给定非严格不等式的python代码吗？
QuadProg 是一个简单的 QP 求解器。对于大问题OSQP 很有趣。 CVXPY 对建模很有用。

标签： optimization data-science linear-programming scipy-optimize

【解决方案1】：

cvxpy 是个不错的选择：

import cvxpy as cp 
import numpy as np

np.random.seed(1) 
y = 100*np.random.random(1) 
x = 200*np.random.random(1000)-100

b = cp.Variable(1000)

constraints = [-100<=b, b<=100, cp.sum(b)==2]
obj = cp.Minimize( cp.square(y-x@b) )
prob = cp.Problem(obj, constraints) 
val = prob.solve()
print(f"Objective value {val}")
print("b values: {0}".format(b.value))

【讨论】：