Python scipy优化没有找到最小值

Question

尝试使用scipy.optimize.minimize，好像优化失败了。我做了以下事情：
1、objective函数为：f(x)= x[0]+x[1]+x[2]+x[3]+10
2、约束为：x_i >= 0
3、初步猜测为：x0 = [1,1,1,1]
非常微不足道的问题，有最优解 x=[0,0,0,0], f(x)=10.
代码：

def pos(x):
    return min(x)
def f1(p):
    return (p[0] + p[1] + p[2] +p[3] + 10)
cons2 = ({'type' : 'ineq', 'fun' : pos})
x0 = np.array([1,1,1,1])
res = opt.minimize(f1, x0,method='SLSQP',constraints=cons2)

我得到以下结果：

 fun: 100543626.59510386
 jac: array([ 0.,  0.,  0.,  0.,  0.])
message: 'Optimization terminated successfully.'
nfev: 54
 nit: 9
njev: 9
status: 0
success: True
   x: array([ 24128556.46553156,  24130378.42917114,  28154390.61929696,
    24130291.0811042 ])

这显然是错误的答案（但成功标志为真）。
我知道有一些假设 "f" 必须遵循，但在这种情况下 "f" 只是一个超平面，所以我真的很困惑。有任何想法吗？

Answer 1

替换

def pos(x):
    return min(x)

和

def pos(x):
    return x

（不等式约束函数可以return一个向量；向量的每个分量都必须满足约束。）

这两个公式在数学上似乎是等价的，但是您的版本中的某些内容破坏了计算。可能是因为SLSQP算法假设约束函数是可微的，而min(x)是不可微的。

Python scipy优化没有找到最小值

Python scipy optimization does not find minimum

python

optimization

numpy

minimize

scipy