使用约束向量scipy.optimize公司功能

Question

我想使用scipy.optimize库使用约束向量进行约束优化。特别是，我提供了N点的3d坐标r0向量——因此是一个大小为N x 3的矩阵，作为函数的输入。坐标是笛卡尔坐标，我想冻结所有的y依赖。这意味着我需要我的N x 3矩阵的第二列保持不变，y0比如说。如何定义这样一个约束列表？在

具体地说，让我们考虑COBYLA算法（https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.fmin_cobyla.html#scipy.optimize.fmin_cobyla）。我尝试了以下构造：

cons = []
for i in range(xyz0.shape[0]):
    def f(x):
        return x[i,1]-xyz0cyl[i,1]
    cons.append(f)
fmin_cobyla(energy, xyz0, cons, rhoend=1e-7)

得到了一个错误：

^{pr2}$

怎么回事？在

Answer 1

你的方法在很多方面都是错误的。在

首先，minimize将一个序列作为约束，这样在将Nx3数组传递给约束函数之前，首先将其展平，从而只剩下一个一维数组。因此，除了reshape约束函数内的数组到原始Nx3之外，不能用元组索引；对于大N:

return x.reshape(-1, 3)[i,1] - xyz0cyl[i,1]

其次，Python中的闭包是后期绑定的；所有约束函数都将在for循环完成后使用最后一个值i。只有在修复了第一个bug之后，您才会发现优化没有按预期进行。请参见How do lexical closures work?了解更多信息。在

一个更好的方法是使y轴（即第1列）在能量函数中保持稳定，或者简单地将Nx2矩阵传递给fmin_cobyla。在