[英]Python cvxopt ignores constraints
我根据以下示例使用CVXOPT进行线性编程: http ://abel.ee.ucla.edu/cvxopt/examples/tutorial/lp.html我很确定我表达了一个约束条件
X1 >= 0
但是得到负值。 怎么会? 我得到了“找到最佳解决方案”的消息
A = matrix( [ [0.0, 0.0, 1.0, 1.0, -0.0, -0.0, -1.0, -1.0, -1.0, 0.0, 0.0],
[0.0, 1.0, 1.0, 0.0, -0.0, -1.0, -1.0, -0.0, 0.0, -1.0, 0.0],
[1.0, 0.0, 0.0, 1.0, -1.0, -0.0, -0.0, -1.0, 0.0, 0.0, -1.0]
]
)
约束值(右侧)
b = matrix( [1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 0.0, 0.0, 0.0] )
最小化功能:
c = matrix( [-1.0, -1.0, -1.0] )
呼叫:
sol=solvers.lp(c,A,b)
但:
print (sol['x']):
[-4.83e-09]
[ 1.00e+00]
[ 1.00e+00]
-4.83e-09>=0
False
谢谢
根据用户指南 , CVXOPT的默认可行性公差为1.0e-7。 因此,您应该期望您的约束仅满足此准确度。
编辑因此,为了确保满足您的“硬”约束,您需要将下限变量设置为等于“硬”约束(即在您的情况下为0) 加上可行性公差:
X1 >= 1.0e-7
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.