python - 为什么 scipy.optimize.minimize 不适用于约束和初始值 0

Question

我正在尝试优化两个变量的函数。我希望一个变量固定为 50，另一个变量在 -5 和 5 之间。我编写了以下代码：

x0 = np.array([50, 0.0])
res = minimize(error, x0, constraints=[
    {'type': "eq", "fun": lambda x: x[0] - 50},
    {'type': "ineq", "fun": lambda x: -abs(x[1]) + 5},
])

哪里minimize是函数scipy.optimize。第一个约束是x[0] == 50，第二个约束是-5 <= x[1] <= 5。我得到以下回复： message: 'Inequality constraints incompatible'。但是当我将第二个变量设置为不为零（例如x0 = np.array([50, 0.1])）时，它会成功找到解决方案。这种行为的原因是什么？

标签： pythonscipyscipy-optimize-minimize

Answer 1

约束需要是可微的，而您的第二个约束不是。如果您用x[1]**2代替 来表达约束abs(x[1])，它应该可以工作。您还可以abs通过将约束拆分为两个单独的约束来消除 ，一个用于上限，一个用于下限。