矩阵x0上的Scipy最小化函数
矩阵x0上的Scipy最小化函数
提问于 2019-04-02 22:12:52
Scipy optimize.minimize似乎只接受单维x0。我有一个问题，我的x0是形状(n，m)。存在这样的约束，即x0的每一行都应该匹配某个特定值。
我可以简单地遍历每一行并对其执行优化；但是，我希望在某一时刻为列添加约束。
有没有一种已知的方法来处理这个问题？我找不到太多关于它的讨论。我已经尝试了各种版本的广播，扁平化等，但在创建合理的结构方面没有太多的运气。
编辑:我添加了一个最小的代码示例。当使用test_x进行测试时，约束条件返回正确的零。
import numpy as np
import scipy.optimize
def cost(x, p):
x.reshape(3, 4)
p.reshape(3, 4)
return (x * p).sum()
def demand_constraint(x, d):
x = x.reshape(3, 4)
b = x.sum(axis=0) - d
return np.broadcast_to(b, (3, 4)).flatten()
demand = np.array([10, 14, 8, 26])
prices = np.array([[4, 4, 5, 5], [2, 8, 6, 2], [3, 2, 9, 8]])
x0 = np.zeros_like(prices).flatten()
p0 = prices.flatten()
test_x = np.array([[4, 14, 8, 26], [5, 0, 0, 0], [0, 0, 0, 0]])
cost(x0, p0)
cons = ({'type': 'eq', 'fun': demand_constraint, 'args': (demand,)})
output = scipy.optimize.minimize(cost, x0, args=p0, constraints=cons)回答 1
Stack Overflow用户
发布于 2019-04-11 02:31:52
对于在搜索中遇到这种情况的任何人，处理它的方法是为每个单独的行添加一个约束。因此，上面的demand_constraint将接受一个row_index字段，并返回一个值。
然后，可以将该单个值合并到添加的约束中。继续为形状添加约束(每个约束都有自己的字典)。我的错误是假设约束可以应用于所有x，但它更适合应用于单个x。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55476963
复制相关文章
相似问题
腾讯云开发者
