0

我想通过使用 scipy.optimize 优化 W((1×9)matrix) 中的 9 个变量。

from scipy.optimize import minimize

def func(W):
    W = W.reshape(1,9) #(1,9)
    Y = df0.values.reshape(49,1) #(49,1)
    X = df1.values.reshape(49,1) #(49,9)
    Z = np.dot(X, W.T) #(49, 1)
    Z = np.abs(Z - Y) #(49, 1)
    Cost = np.sum(Z ,axis=0, keepdims=True)
    return Cost[0][0]  #float

W = np.array([2,3,4,5,6,7,8,9,10])
cons = ({'type': 'ineq', 'fun': W[1]-W[0]})

result = minimize(func, x0=W0, constraints=cons, method="SLSQP")

但我得到一个像这样的 TypeError

'numpy.int32' object is not callable

我将“缺点”更改为

def cons(W):
    return W

cons = (
    {'type': 'ineq', 'fun': cons}
)

然后它工作得很好，我得到了一个结果

     fun: 125.4977648197736
     jac: array([26.3666687 , 39.73333454, 46.56666756, 32.76666737, 38.23333454,
       25.20000076,  9.        ,  5.        ,  5.76666737])
 message: 'Optimization terminated successfully.'
    nfev: 332
     nit: 24
    njev: 24
  status: 0
 success: True
       x: array([7.36486798e-03, 8.29918593e-03, 9.61602518e-02, 9.17950729e-03,
       2.98795999e-12, 3.73831662e-12, 3.59100171e-12, 4.73656828e-01,
       1.77345002e+00])

我无法找到一个好的解决方案。

4

1 回答 1

1

这是因为 scipy 的最小化需要一个实际的函数（不是它的输出）来正确最小化。看到这个问题。您上面的代码有效，因为您将函数引用传递给可调用的（cons，而不是 cons(W)）。您可以尝试为它创建一个 lambda 函数，例如：

cons = ({'type': 'ineq', 'fun': lambda *args: W[1]-W[0]})
于 2019-07-06T11:36:50.317 回答