Python最小化函数：将附加参数传递给约束字典

Posted 2023-03-12

【中文标题】Python最小化函数：将附加参数传递给约束字典

【英文标题】：Python minimize function: passing additional arguments to constraint dictionary

【发布时间】：2013-02-15 09:31:57

【问题描述】：

我不知道如何通过最小化函数将附加参数传递给约束字典。我可以成功地将其他参数传递给目标函数。

有关最小化功能的文档在这里：http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.minimize.html#scipy.optimize.minimize

约束参数是一个具有字段“args”的字典，其中 args 是一个序列。我确定这是我需要传递附加参数的地方，但我不知道语法。我得到的最接近的是：

from scipy.optimize import minimize
def f_to_min (x, p):
    return (p[0]*x[0]*x[0]+p[1]*x[1]*x[1]+p[2])

f_to_min([1,2],[1,1,1]) # test function to minimize

p=[] # define additional args to be passed to objective function
f_to_min_cons=('type': 'ineq', 'fun': lambda x, p : x[0]+p[0], 'args': (p,)) # define constraint

p0=np.array([1,1,1])
minimize(f_to_min, [1,2], args=(p0,), method='SLSQP', constraints=f_to_min_cons)

我收到以下错误

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-19-571500063c9e> in <module>()
      1 p0=np.array([1,1,1])
----> 2 minimize(f_to_min, [1,2], args=(p0,), method='SLSQP', constraints=f_to_min_cons)

C:\Python27\lib\site-packages\scipy\optimize\_minimize.pyc in minimize(fun, x0, args,     method, jac, hess, hessp, bounds, constraints, tol, callback, options)
    356     elif meth == 'slsqp':
    357         return _minimize_slsqp(fun, x0, args, jac, bounds,
--> 358                                constraints, **options)
    359     else:
    360         raise ValueError('Unknown solver %s' % method)

C:\Python27\lib\site-packages\scipy\optimize\slsqp.pyc in _minimize_slsqp(func, x0,     args, jac, bounds, constraints, maxiter, ftol, iprint, disp, eps, **unknown_options)
    298     # meq, mieq: number of equality and inequality constraints
    299     meq = sum(map(len, [atleast_1d(c['fun'](x, *c['args'])) for c in     cons['eq']]))
--> 300     mieq = sum(map(len, [atleast_1d(c['fun'](x, *c['args'])) for c in     cons['ineq']]))
    301     # m = The total number of constraints
    302     m = meq + mieq

<ipython-input-18-163ef1a4f6fb> in <lambda>(x, p)
----> 1 f_to_min_cons=('type': 'ineq', 'fun': lambda x, p : x[0]+p[0], 'args': (p,))

IndexError: list index out of range

我正在访问附加参数的第一个元素，所以我不应该出现超出范围的错误。

如果您从最小化函数中删除了 constraints=f_to_min_cons 参数，那么上面的代码就可以工作。

【问题讨论】：

我在这台电脑上有 scipy 0.9，所以没有minimize，我无法测试它。但是您的代码中有p = []，因此当您尝试获取p[0] 时会出现index out of range。更改您的 f_to_min_cons 定义，使其具有 'args' : (p0,) 并且您应该正在路上。

除了@Jaime 已经说过的内容：问题的代码中似乎存在语法错误：检查结束大括号之前 'args' 参数。

感谢您的 cmets。是的，这确实有效。但是，如果我理解正确，我相信 p0 没有通过最小化函数传递给约束字典。即，如果我要将最小化参数 'args'=(p0,) 更改为 'args'=(p1,)，则 p1 将用于目标函数 f_to_min，但 p0 将用于约束字典。

是的，你是对的语法错误。我一定是在这里手工编辑了这篇文章，而不是从 Python 代码中复制粘贴。已更新。

再次感谢您的评论。只是为了确认。无法从最小化调用将附加参数传递给约束函数。如果是这样，我不明白为什么以这种方式设置最小化函数，即可以将附加参数传递给成本函数，但不能传递给约束函数。

【参考方案1】：

答案很简单，就是 p = [] 没有元素也没有长度，所以 p[0] 越界了。

以下，我们设置 p = [0]，运行没有错误。 p 实际应该持有的东西当然不是我们可以用给出的信息来回答的。

import numpy as np

from scipy.optimize import minimize
def f_to_min (x, p):
    return (p[0]*x[0]*x[0]+p[1]*x[1]*x[1]+p[2])

f_to_min([1,2],[1,1,1]) # test function to minimize

p=[0] # define additional args to be passed to objective function
f_to_min_cons=('type': 'ineq', 'fun': lambda x, p : x[0]+p[0], 'args': (p,),) # define constraint

p0=np.array([1,1,1])
minimize(f_to_min, [1,2], args=(p0,), method='SLSQP', constraints=f_to_min_cons)