python - 如何在scipy优化(python 2.7)中定义变量之间的相互依赖性？

我需要优化一个复杂的函数，该函数由几个相互依赖的元素组成，例如xi = 1和0
所以我使用scipyoptimize.minimize有界限。

但是我不知道如何指定xi的相互依赖性。我使用附加变量（x100），并将其范围设为（0，0），并在函数x100 = 1-x1-x2-x3-x4-x5中遵循条件。

不幸的是，结果无法正常工作。我需要更改def arg但我不知道如何

如何指定xi之间的相互依赖性（以sum_x = 1）？

from scipy.optimize import minimize
from numpy import random, mean, var, std

def arg(x1,x2,x3,x4,x5,x100):
    x100=1-x1-x2-x3-x4-x5
    r = mean(x1*x2*x3*x4*x5)*std(x1+x2-x3+x4-x5)
    return r

def new_arg(x):
    return -arg(*x)


fun = new_arg
x0 = (0.5, 0.5, 0.5, 0.5, 0.5,\
    0.0)
res = minimize(fun, x0, method='SLSQP', bounds = ((0, 1),(0, 1), (0, 1),\
                                             (0, 1),(0, 1),(0, 0)))
kpi_opt = res.x
sum_x=res.x[0]+res.x[1]+res.x[2]+res.x[3]+res.x[4]

print 'kpi_opt',kpi_opt
print 'sum of xi = ',sum_x

最佳答案

如果您遇到这种情况，我想您想进一步定义受f_eqcons参数约束的等式函数。它必须是一个可调用的函数，并且在成功优化的问题中应返回0（或仅包含0的数组）。遵循您的最小示例：

import scipy.optimize as ss
def f(x):
    x1, x2, x3, x4, x5=x
    return -np.mean(x1*x2*x3*x4*x5)*np.std(x1+x2-x3+x4-x5)

x0=(0.5, 0.5, 0.5, 0.5, 0.5)

def eq_f(x):
    x1, x2, x3, x4, x5=x
    return sum(x)

res=ss.fmin_slsqp(f, x0, f_eqcons=eq_f, bounds = ((0, 1),(0, 1), (0, 1),(0, 1),(0, 1)))

结果：

Optimization terminated successfully.    (Exit mode 0)
            Current function value: -0.0
            Iterations: 1
            Function evaluations: 8
            Gradient evaluations: 1
In [11]:

res
Out[11]:
array([  0.00000000e+00,   5.55111512e-17,   0.00000000e+00,
         0.00000000e+00,   0.00000000e+00])

关于python - 如何在scipy优化(python 2.7)中定义变量之间的相互依赖性？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/24651537/