SciPy 使用 SLSQP 的优化给出了不满足约束的解决方案

Question

我正在尝试最小化函数 B1=0.00299540627439527*x[0]**2 + 0.00701825276534463*x[0]*x[1] + 0.0672877782113971*x[0] + 0.00456646480250456*x[1]**2 + 0.054080834634827*x[1] + 0.298938755491431 在 x1=[-10,10] 和 x2=[-10,10] 的状态 space 给定以下不等式约束 EqX0=[[(x[0]+5)**2+x[1]**2-2.5]]<=0 其中 x[0] 和 x[1] 已被符号定义为 x1 和 x2

ga=1是一个参数

然而，当我使用SLSQP解决非线性约束优化问题时，答案导致不满足不等式约束的x=[-10,10]。

这是一段代码：

def Objective2(ax):
    B2=B1.copy()
    B2=B2.subs((x[i],ax[i]) for i in range(len(ax)))
    return ga-B2

def Constraint1(ax):
    EqX0c=EqX0.copy()
    cc=[]
    for pp in range(len(EqX0c)):
        cc.append(-EqX0c[0][pp].subs((x[i],ax[i]) for i in range(len(ax))))
    return cc

con1= {'type': 'ineq','fun': Constraint1}
bounds=Bounds([-10,10],[-10,10])
sol2=minimize(Objective2,x0,method="SLSQP",bounds=bounds,constraints=con1)

这是生成的输出。程序成功终止但给出了错误的结果。

fun: -0.12123115088124994 jac: array([-0.07756218, -0.0752276 ]) message: 'Optimization terminated successfully.' nfev: 4 nit: 5 njev: 1 status: 0 success: True x: array([-10., 10.])

知道为什么会这样吗？我该如何解决？

Answer 1

我认为您错误地定义了边界。试试 Bounds([-10,-10],[10,10]).

参见docs。

SciPy 使用 SLSQP 的优化给出了不满足约束的解决方案

SciPy Optimization using SLSQP gives solution that does not satisfy constraints

python

scipy

nonlinear-optimization