1

我使用 Python 2.5。

我将界限传递给 cobyla 优化：

import numpy 
from numpy import asarray

Initial = numpy.asarray [2, 4, 5, 3]       # Initial values to start with

#bounding limits (lower,upper) - for visualizing

#bounds = [(1, 5000), (1, 6000), (2, 100000), (1, 50000)] 

# actual passed bounds

b1 = lambda  x: 5000 - x[0]      # lambda x: bounds[0][1] - Initial[0]

b2 = lambda  x: x[0] - 2.0       # lambda x: Initial[0] - bounds[0][0]

b3 = lambda  x: 6000 - x[1]      # same as above

b4 = lambda  x: x[1] - 4.0

b5 = lambda  x: 100000 - x[2]

b6 = lambda  x: x[2] - 5.0

b7 = lambda  x: 50000 - x[3]

b8 = lambda  x: x[3] - 3.0

b9 = lambda  x: x[2] >  x[3]  # very important condition for my problem!


opt= optimize.fmin_cobyla(func,Initial,cons=[b1,b2,b3,b4,b5,b6,b7,b8,b9,b10],maxfun=1500000)

基于初始值Initial并根据/在范围内b1将b10值传递给opt(). 但是这些值是有偏差的，尤其是b9. 这是我的问题的一个非常重要的边界条件！

“在每次迭代中x[2]传递给我的函数的值opt()必须始终大于x[3]”——如何实现这一点？

我的 bounds ( b1to b9) 定义有什么问题吗？

还是有更好的方法来定义我的界限？

请帮我。

4

2 回答 2

3

fmin_cobyla()不是内点法。也就是说，它将在优化运行过程中将超出边界的点（“不可行点”）传递给函数。

您需要解决的问题是，它b9不是b10预期的形式fmin_cobyla()。绑定函数需要返回一个正数，如果它们在边界内，如果它们正好在边界上，则返回 0.0，如果它们超出边界，则需要返回负数。理想情况下，这些函数应该是平滑的。fmin_cobyla()将尝试对这些函数进行数值导数，以使其知道如何返回可行区域。

b9 = lambda x: x[2] - x[3]

不过，我不确定如何以能够使用b10的方式实现。fmin_cobyla()

于 2009-08-26T19:17:25.523 回答
2

对于 b10，一个可能的选项可能是：

b10 = lambda x: min(abs(i-j)-d for i,j in itertools.combinations(x,2))

其中d是大于您想要的变量之间的最小差异的增量（例如 0.001）

于 2009-08-27T18:05:36.817 回答