Scipy：如何使用trustconstr的边界？

Question

对于我的约束问题，我想使用Scipy Trusted Constr算法，因为我有一个多变量的约束问题。我不想/不能分析地计算雅可比/黑森函数，然后计算它。 但是，设置边界时，雅可比矩阵的计算将崩溃：

  File "C:\Python27\lib\site-packages\scipy\optimize\_trustregion_constr\tr_interior_point.py", line 56, in __init__
    self.jac0 = self._compute_jacobian(jac_eq0, jac_ineq0, s0)
  File "C:\Python27\lib\site-packages\scipy\optimize\_trustregion_constr\tr_interior_point.py", line 164, in _compute_jacobian
    [J_ineq, S]]))
  File "C:\Python27\lib\site-packages\numpy\matrixlib\defmatrix.py", line 1237, in bmat
    arr_rows.append(concatenate(row, axis=-1))
ValueError: all the input array dimensions except for the concatenation axis must match exactly

使用旧样式边界和最新边界对象时都会发生错误。我可以用这个代码重现错误：

^{pr2}$

我认为我只是误解了边界的设置，但找不到我的错误。建议是感激的。在

编辑：我还尝试了文档中的代码示例，它给出了相同的结果。其他方法如SLSQP可以很好地处理边界。在

SciPy版本1.1.0，Python版本2.7.4，OS Win 7 Ent。在

Answer 1

我去掉了你的jac和hess的论点，让它发挥作用了；也许问题就在那里？在

import numpy as np
import scipy.optimize as scopt

def RosenbrockN(x):
    result = 0
    for i in range(len(x)-1):
        result += 100*(x[i+1]-x[i]**2)**2+(1-x[i])**2
    return result

x0 = [0.0, 0.0, 0.0]
#bounds = scopt.Bounds([-2.0,-0.5,-2.0],[2.0,0.8,0.7])
bounds = [(-2.0,2.0),(-0.5,0.8),(-2.0,0.7)] 
Res = scopt.minimize(RosenbrockN, x0, \
                    method = 'SLSQP', bounds = bounds)
print(Res)

结果是

     fun: 0.051111012543332675
     jac: array([-0.00297706, -0.50601892, -0.00621008])
 message: 'Optimization terminated successfully.'
    nfev: 95
     nit: 18
    njev: 18
  status: 0
 success: True
       x: array([0.89475126, 0.8       , 0.63996894])