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 function。 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},
])

其中minimize是来自 scipy.optimize 的scipy.optimize 。 第一个约束是x[0] == 50 ，第二个是-5 <= x[1] <= 5 。 我收到以下回复： 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？

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而不是abs(x[1])来表达约束，它应该可以工作。 您还可以通过将约束拆分为两个单独的约束来消除abs ，一个用于上限，一个用于下限。