我需要约束一个变量,它是优化的参数,低于某个值EQ<;1000 #生成变量的函数如下所示:
def fEQ(iEQ, iC, iTATM, index):
if index==0:
return iC[0]
else:
return iEQ[0]/psi*iTATM[index]**2
t = np.arange(1, 101)
NT = len(t)
EQ=np.zeros(NT)
#目标函数(为了澄清,省略了一些函数-它们在现实中都是相互关联的)
def fOBJ(x,sign,iI, iCPRICE,iEQ,iPERIODU,iCEMUTOTPER,iRI,iNT):
iMIU = x[0:NT]
iS = x[NT:(2*NT)]
for i in range(iNT):
iCPRICE[i] = fCPRICE(iMIU,i)
iI[i] = fI(iS,iY,i)
iEQ[i]=fEQ(iEQ,iC,iTATM,i)
iPERIODU[i] = fPERIODU(iC,iEQ,il,i)
iCEMUTOTPER[i] = fCEMUTOTPER(iPERIODU,il,i)
iRI = fRI(iCPC,i)
resUtility = np.zeros(1)
fUTILITY(iCEMUTOTPER, resUtility)
return sign*resUtility[0]
#优化
result = opt.minimize(fOBJ, x_start, args=(-1.0,CPRICE,I,EQ,PERIODU,CEMUTOTPER,RI,NT), method='SLSQP',bounds = tuple(bnds),options={'disp': True, 'maxiter':1000 }, constraints={'type':'ineq','fun':lambda EQ: EQ[NT]-1000})
优化的输出为“linesearch的正向导数(退出模式8)”,无法找到最佳值。 我怀疑我的约束没有完全发挥作用。有什么建议吗
目前没有回答
相关问题 更多 >
编程相关推荐