用scipy.minimize迭代约束

Question

我试图最小化一个带有两个变量x，x1的函数。A、B和C是尺寸为10x10的数据格式。当我不使用约束时，优化的工作原理是一样的，但是我也关心约束的情况。对于受约束的案子，我想

A.iloci，j*x*B.iloci，j*x1*C.iloci，j

要使i和j的所有组合等于或大于零。为此，我以下列方式定义了约束：

cons=[]
def f(a):
    def g(x):
        return A.iloc[i,j]*x[0]*B.iloc[i,j]*x[1]*C.iloc[i,j]
    return g

for i in range (10):
    for j in range(10):
        cons.append({'type':'ineq', 'fun': f(t)})

当我得到适当数量的约束(即len(cons) = 100)时，优化结果并不满足我所想到的约束，这意味着它导致x、x1和x2的值。

A.iloci，j*x*B.iloci，j*x1*C.iloci，j

对于许多j，i是小于零的，我已经确定result.success = True，所以突然停止的优化可以排除为一个潜在的问题。在寻找这个问题的解决方案时，我发现了一些人试图在this中迭代约束的情况，但是他们只在一个范围内迭代，而不是在两个范围上迭代，而且我无法修改他们的解决方案来处理我的情况。

Answer 1

您的函数f没有任何意义，因为函数g不依赖于a。如果您真的希望f返回一个新函数，这取决于索引i和t，那么f应该是这两个索引的函数：

cons=[]
def f(t, i):
    def g(x):
        return A.iloc[t,i]+(x[0]*B.iloc[t,i]+x[1]*C.iloc[t,i]+x[2]*D.iloc[t,i])/33
    return g

for t in range (72):
    for i in range(33):
        cons.append({'type':'ineq', 'fun': f(t, i)})

还请注意，由于lambda表达式，您可以轻松地动态定义约束函数：

cons = []
for t in range(72):
    for i in range(33):
        cons.append({'type': 'ineq', 'fun': lambda x, t=t, i=i: A.iloc[t,i]+(x[0]*B.iloc[t,i]+x[1]*C.iloc[t,i]+x[2]*D.iloc[t,i])/33})