严格限制参数值

Question

我正在尝试使用scipy中的l\u bfgs约束优化例程来优化函数。 但是优化例程将值传递给函数，这些值不在边界内。在

我的完整代码看起来像

def humpy(aParams):
 aParams = numpy.asarray(aParams)
 print aParams
 ####
 # connect to some other software for simulation
 # data[1] & data[2] are read
 ##### objective function
 val = sum(0.5*(data[1] - data[2])**2)
 print val
 return val

 ####

def approx_fprime():
 ####
 Initial = numpy.asarray([10.0, 15.0, 50.0, 10.0])
 interval = [(5.0, 60000.0),(10.0, 50000.0),(26.0, 100000.0),(8.0, 50000.0)]

 opt = optimize.fmin_l_bfgs(humpy,Initial,fprime=approx_fprime, bounds=interval ,pgtol=1.0000000000001e-05,iprint=1, maxfun=50000)

 print 'optimized parameters',opt[0]
 print 'Optimized function value', opt[1]

####### the end ####

基于初始值（初始值）和边界（区间） 选项=优化.fmin\u l\u bfgs（）将向我的软件传递值以进行模拟，但传递的值应在“bounds”内。事实并非如此。请参阅下面在不同迭代中传递的值

^{pr2}$

在这个迭代中-4.4139714被传递给我的第二个参数，但是它应该从（10.0，50000.0）开始变化，我不知道从哪里来的-4.4139714？在

我应该在哪里更改代码？所以它传递的值应该是

Answer 1

您试图对floats执行位异或（^运算符），这毫无意义，因此我认为您的代码实际上不是您遇到问题的代码。但是，我把^改成了**假设这是你的意思，没有问题。代码对我来说工作得很好。参数严格按照定义进行限制。在

Python2.5版。在

Answer 2

你是在问我做这样的事吗？在

def humpy(aParams):
  aParams = numpy.asarray(aParams)
  x = aParams[0]
  y = aParams[1]
  z = aParams[2]
  u = aParams[3]
  v = aParams[4]
  assert 2 <= x <= 50000
  assert 1 <= y <= 35000
  assert 1 <= z <= 45000
  assert 2 <= u <= 50000
  assert 2 <= v <= 60000
  val=100.0*((y-x**2.0)^2.0+(z-y**2.0)^2.0+(u-z**2.0)^2.0+(v-u**2.0)^2.0)+(1-x)^2.0+(1-y)^2.0+(1-z)^2.0+(1-u)^2.0
  return val