python - 如何使用分类变量进行 scipy 优化

Question

考虑以下问题：

import numpy
import scipy.optimize


def f(x):
    return (x[0] == 1)*(x[1] + 2)**2 - (x[0] == 0)*(x[1] + 1)**2


kwargs = {
        'method': 'trust-constr',
        'jac': False,
        'bounds': [(0, 1), (0, 1)],
    }


m = scipy.optimize.minimize(f, numpy.array([1, 0]), **kwargs).x
print(m)
# [0.91136811 0.19026955]  <- wrong result

我想在空间上优化这个功能

• x[0] \in {0,1}
• x[1] \in [0,1]

有没有办法指定 x[0] 不应该是一个真实的值（即行上的一个值[0,1]），而只能是 0 或 1？

我目前的做法是执行 N 次优化，每个 x[0] 选项一个。问题是，如果有多个分类变量，这会迅速爆发。

Answer 1

有什么方法可以指定 x[0] 不应该是一个实际值（即行 [0,1] 上的一个值），而只能是 0 或 1？

wrapdisc是一个瘦包装器包，可让您使用各种scipy.optimize优化器优化分类、整数和浮点变量。它将这些变量中的每一个编码为浮点数。它的自述文件中有一个使用示例。有了它，您不必调整目标函数或执行n次优化。