python scipy.optimize.minimize定义约束

Question

也许是一个非常具体的问题，我正在使用scipy优化函数来获取七个变量的新值。 七个值由数组x0设置为初始输入。 a, b, c, d实际上是int值。

当运行完整的代码和最小化功能时，一切运行正常。

如果我打印出每次迭代后我的七个变量如何变化，我可以看到a, b, c, d被转换为float以小步对其进行修改。

虽然我仍然可以得到最终结果，但是如果我可以在某种约束条件下指出那4个变量仅是整数，那将是很好的选择，因此optimize函数将执行较少的迭代，而不必尝试设置变量a, b,c ,d为8.00000164或其他浮点，但直接为6,7、8、9、10 ...

我不确定这是否有可能，但是如果有人知道怎么做，我将很高兴学习。

以下是代码的重要部分，显示了如何设置最小化功能。

a = 8
b = 23
c = 54
d = 89

... some code before and after

# FUNCTION - SOLVER CONSTRAINTS
def solver_constraint_1(t):
  return t[1] - t[0]
def solver_constraint_2(t):
  return t[2] - t[1]
def solver_constraint_3(t):
  return t[3] - t[2]

... some code before and after

x0 = [a, b, c, d, 1.0, 1.0, 1.0]

x_bounds = [[0, 20], [10, 60], [20, 80], [60, 100], [0.25, 2.5], [0.25, 2.5], [0.25, 2.5]]

x_cons = ({'type': 'ineq', 'fun': solver_constraint_1}, 
          {'type': 'ineq', 'fun': solver_constraint_2},    
          {'type': 'ineq', 'fun': solver_constraint_3})

solution = minimize(objective, x0, method='SLSQP', bounds=x_bounds, constraints=x_cons, options={'ftol': 1e-8, 'maxiter': 1000, 'disp': True})

Answer 1

为了给出简短的答案，并在上面的回复中使用@kazemakase的帮助，很难将最小化函数中的步长固定为整数。 实际上，进行integer programming比线性编程要解决的问题要复杂得多。