使用 Jython 对多元函数进行约束最小化

Question

我有一个在 Jython 下运行的 python 程序（使用第三方 Java API），我想在其中计算一个多元函数的约束最小化。

Scipy 有一个可以完美运行的模块 (scipy.optimize) 但不幸的是，您不能在 Jython 中使用 scipy。有谁知道在 Jython 中有一个好的图书馆/任何其他方式来做到这一点？如果我可以在 Jython 下运行它，我就准备好了：

def func(x, sign=1.0):
    """ Objective function -- minimize this """
    return sign*(2*x[0]*x[1] + 2*x[0] - x[0]**2 - 2*x[1]**2)

def func_deriv(x, sign=1.0):
    """ Derivative of objective function """
    dfdx0 = sign*(-2*x[0] + 2*x[1] + 2)
    dfdx1 = sign*(2*x[0] - 4*x[1])
    return np.array([ dfdx0, dfdx1 ])

cons = ({'type': 'eq',
         'fun' : lambda x: np.array([x[0]**3 - x[1]]),
         'jac' : lambda x: np.array([3.0*(x[0]**2.0), -1.0])}, #partial derivative of fun
        {'type': 'ineq',
         'fun' : lambda x: np.array([x[1] - 1]),
         'jac' : lambda x: np.array([0.0, 1.0])})   #partial derivative of fun

res = minimize(func, [-1.0,1.0], args=(-1.0,), jac=func_deriv, 
               method='SLSQP', constraints=cons, options={'disp': True})

谢谢！ -迈克尔

Answer 1

这可能不是针对您的特定用例的最佳解决方案，因为您已经在 J​​ython 中拥有了应用程序，但是 JPype (link) 允许 CPython 程序与在 JVM 上运行的程序通信，我没有我自己尝试过，但找到了一个 hello world 示例 here。

基本上你创建你的 Java 类，把它编译成一个 jar，然后在 CPython 中做

import jpype
import os.path

jarpath = os.path.join(os.path.abspath('.'), 'build/jar')
jpype.startJVM(jpype.getDefaultJVMPath(), "-Djava.ext.dirs=%s" % jarpath)

# get the class
hello_world = jpype.JClass('com.stackoverflow.HelloWorld')
t = hello_world()  # create an instance of the class
t.helloWorld("Say hello")  # try to call one of the class methods
jpype.shutdownJVM()

我意识到这会颠倒您的应用程序逻辑。另一种选择是使用subprocess 并序列化输入/输出。

更新

我最近遇到了一个类似的问题，并决定试一试JPype，现在可以说它非常值得使用，尽管至少在 OSX 上安装它存在一些问题，请参阅帮助here（一些JVM 路径需要在setup.py 中更改）。

Answer 2

如果您的项目使用 Jython，您可以使用 Slsqp4j 在 JVM 上本地执行求解，并完全绕过编写 SciPy 代码。 Slsqp4j 是 SciPy 中包含的 SLSQP 求解器的 Java 包装器。该 api 与 SciPy 的非常相似。它托管在这里： https://github.com/skew-opensource/slsqp4j

（披露：我是作者）