时间戳

首页 > 解决方案 > scipy.optimize.minimize 在小数点后更改值

python - scipy.optimize.minimize 在小数点后更改值

问题描述

这是我的优化代码。

  initialGuess = D.Matrix[:,D.menge]
  bnds = D.Matrix[:,(D.mengenMin,D.mengenMax)]
  con1 = {'type': 'eq', 'fun': PercentSum} 
  con2 = {'type': 'eq', 'fun': MinMaxProportion}
  cons = ([con1,con2])

  solution = minimize(rootfunc,initialGuess,method='SLSQP',\
                bounds=bnds,constraints=cons)

问题是，算法在小数点后更改值。例如，这是我最初的猜测。我已经尝试从浮点数更改为整数，以解决问题。

 [  0.   0. 123.   0.   0. 622. 245.   0.   0.   0.]

优化器的第一次尝试如下所示：

[1.49011612e-08 0.00000000e+00 1.23000000e+02 0.00000000e+00
0.00000000e+00 6.22000000e+02 2.45000000e+02 0.00000000e+00
0.00000000e+00 0.00000000e+00]

另一个是这样的：

[  0.           0.         123.00000001   0.           0.
 622.         245.           0.           0.           0.        ]

最后优化以这个错误结束：

status 6
message Singular matrix C in LSQ subproblem

我认为问题是微小的差异。是否有可能告诉 SLSQP 算法仅尝试更改前两位小数或更高位？

亲切的问候

编辑：我找到了一个选项，但它不能解决我的问题。scipy.optimize.minimize 的新调用：

solution = minimize(rootfunc,initialGuess,method='SLSQP',\
                bounds=bnds,constraints=con2,options={'eps':1,'disp':True})

标签： pythonnumpyscipynonlinear-optimization

解决方案

那些“微小的步骤”不是求解器在每次迭代中选择的值，它们来自有限差分。像这样的基于梯度的求解器需要梯度。由于您没有将梯度作为函数提供，因此默认情况下会以有限差分为您计算梯度。正如错误所述，您的真正问题很可能是奇异矩阵。

推荐阅读