![](/img/trans.png)
[英]scipy.optimize.minimize for constrained optimization in python
[英]Constrained Optimization in Python using Scipy
我有一个 function f: (a.y1 + b.y2 + c.y3 + d.y4 + e.y5 + f.y6) 我需要最小化 root_mean_squared_error(f)。 线性约束是:a+b+c+d+e+f = 1。边界是每个 a,b,c... 应该在 [0,1] 之间。 我试图找出 a,b,c,d,e 和 f 的优化值。 我正在使用 Scipy,但我觉得我无法在“最小化”代码中正确放置边界和约束,如下所示:(y0 是给出的原始测试值(比如说))。
import numpy as np
from scipy.optimize import minimize
from scipy.optimize import LinearConstraint
def root_mean_squared_error(y1, y2):
squared_difference = (y1 - y2)**2
mean_squared = np.mean(squared_difference)
return np.sqrt(mean_squared)
def rms(params):
a, b, c , d , e, f = params
yF = sum(a*y1 + b*y2 + c*y3 + d*y_4 + e*y5 + f*y6)
return root_mean_squared_error(y0, yF)
initial_guess = [0.2, 0.1, 0.2, 0.05, 0.3, 0.15]
constraint = LinearConstraint([1,1,1,1,1,1],1,1)
bound = ([0, 1],[0, 1],[0, 1],[0, 1],[0, 1],[0, 1])
res = minimize(rms, initial_guess, method='nelder-mead', bounds = bound,constraints = constraint)
print(res.x)
我得到的值非常小,加起来不等于一,例如:
[1.28941447e-04 1.90583408e-04 8.50096927e-05 2.08311702e-04 1.17829816e-04 0.00000000e+00]
这是使用scipy线性约束和绑定的正确方法吗
约束(仅适用于 COBYLA、SLSQP 和 trust-constr)。
因此,您可能需要将您的method=nelder-mead
更改为其中之一,否则约束将被忽略。
由于这是一个等式约束,您必须使用method='SLSQP'
或method='trust-constr'
constr' 来 go
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.