在 scipy.optimize.fmin_cobyla 中为参数估计指定约束时出错

Question

我在 Canopy 中使用 python 2.7，我试图通过最小化数据和模型预测之间的均方误差来拟合模型的 6 个参数。我正在使用 COBYLA，因为我需要参数值的界限，而且我没有渐变。

目前，我有：

import numpy as np
import scipy.optimize as opt

def cost_func(pars,y,x):
    y_hat = model_output(pars,x)
    mse = np.mean((y-y_hat)**2)
    return mse

def make_constraints(par_min,par_max):
    cons = []    
    for (i,(a,b)) in enumerate(zip(par_min,par_max)):
        lower = lambda x: x[i] - a
        upper = lambda x: b - x[i]
        cons = cons + [lower] + [upper]
    return cons

def estimate_parameters(par_min, par_max,par_init,x,y):
    cons = make_constraints(par_min,par_max)
    opt_pars = opt.fmin_cobyla(cost_func,pars,cons,args=([y,x]))
    return opt_pars

但是我得到了错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-63-9e84e10303e1> in <module>()
----> 1 opt_pars = estimate_parameters(par_min,par_max,par_init,x,y)

<ipython-input-61-f38615d82ee5> in estimate_parameters(par_min,par_max,par_init,x,y)
      9     cons = make_constraints(par_min,par_max)
     10 
---> 11     opt_pars = opt.fmin_cobyla(cost_func,par_init,cons,args=([y,x]))
     12     return opt_pars 

/home/luke/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/scipy/optimize/cobyla.pyc in fmin_cobyla(func, x0, cons, args, consargs, rhobeg, rhoend, iprint, maxfun, disp, catol)
    169 
    170     sol = _minimize_cobyla(func, x0, args, constraints=con,
--> 171                            **opts)
    172     if iprint > 0 and not sol['success']:
    173         print("COBYLA failed to find a solution: %s" % (sol.message,))

/home/luke/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/scipy/optimize/cobyla.pyc in _minimize_cobyla(fun, x0, args, constraints, rhobeg, tol, iprint, maxiter, disp, catol, **unknown_options)
    244     xopt, info = _cobyla.minimize(calcfc, m=m, x=np.copy(x0), rhobeg=rhobeg,
    245                                   rhoend=rhoend, iprint=iprint, maxfun=maxfun,
--> 246                                   dinfo=info)
    247 
    248     if info[3] > catol:

/home/luke/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/scipy/optimize/cobyla.pyc in calcfc(x, con)
    238         f = fun(x, *args)
    239         for k, c in enumerate(constraints):
--> 240             con[k] = c['fun'](x, *c['args'])
    241         return f
    242 

TypeError: <lambda>() takes exactly 1 argument (3 given)

这个错误对我来说并不完全清楚，但我的理解是 3 个参数正在传递给我的约束函数。但是，我无法弄清楚这 3 个参数的来源。

我已经查看了有关此问题的其他 stackoverflow 问题，并从中获取了我能做到的，但我仍然遇到这个问题

Specifying constraints for fmin_cobyla in scipy

Python SciPy: optimization issue fmin_cobyla : one constraint is not respected

Python: how to create many constraints for fmin_cobyla optimization using lambda functions

Answer 1

如果fmin_cobyla 的参数consargs 是None，则约束函数也会传递*args，其中args 是给fmin_cobyla 的参数。要不向约束函数传递其他参数，请使用 consargs=()。

或者，在函数 make_constraints 中，更改此项

        lower = lambda x: x[i] - a
        upper = lambda x: b - x[i]

到

        lower = lambda x, *args: x[i] - a
        upper = lambda x, *args: b - x[i]