python – Scipy最小化约束函数

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – Scipy最小化约束函数，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含862字，纯文字阅读大概需要2分钟。

内容图文

我正在解决以下优化问题：

使用此Python代码：

from scipy.optimize import minimize
import math

def f(x):
    return math.log(x[0]**2 + 1) + x[1]**4 + x[0]*x[2]

x0 = [0, 0, 0]

cons=({'type': 'ineq',
       'fun': lambda x: x[0]**3 - x[1]**2 - 1},
      {'type': 'ineq',
       'fun': lambda x: x[0]},
      {'type': 'ineq',
       'fun': lambda x: x[2]})

res = minimize(f, x0, constraints=cons)
print res

我收到了一个错误

message: ‘Inequality constraints incompatible’

什么可能导致此错误？

解决方法:

问题似乎与您最初的猜测有关.如果我将您的起始值更改为

x0 = [1.0, 1.0, 1.0]

然后你的代码将执行正常(至少在我的机器上)

Python 3.5.1 (v3.5.1:37a07cee5969, Dec 6 2015, 01:54:25) [MSC v.1900 64 bit (AMD64)] on win32

 message: 'Optimization terminated successfully.'
    njev: 10
     jac: array([ 1.,  0.,  1.,  0.])
     fun: 0.6931471805582502
     nit: 10
  status: 0
       x: array([  1.00000000e+00,  -1.39724765e-06,   1.07686548e-14])
 success: True
    nfev: 51

内容总结

以上是互联网集市为您收集整理的python – Scipy最小化约束函数全部内容，希望文章能够帮你解决python – Scipy最小化约束函数所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端