为什么是压缩。最小化无视我的约束？

Question

我有一个约束优化问题，我试图用scipy.optimize.minimize.最小化. 在

基本上，我将一个参数，即f拟合到具有约束的ODEs系统： f>；0和

f*1000<；500

我在下面写了一个MWE。在这个简单的例子中，很明显0<；f<；0.5，但在我的实际问题中，它不是明显的先验上界，因此不等式约束。在

from __future__ import division
import numpy as np
from scipy.integrate import odeint
from scipy.optimize import minimize

def myeqs(y,t,beta, gamma,N):
    dy0 = -(beta/N)*y[0]*y[1]
    dy1 = (beta/N)*y[0]*y[1] - gamma*y[1]
    dy2 = gamma*y[1]

    return [dy0,dy1,dy2]

def runModel(f, extraParams):
    [beta, gamma, N, initCond, time]= extraParams
    S0 = (1-f)*initCond[0]
    I0 = initCond[1]
    R0 = f*initCond[0]
    tspan = np.linspace(time[0], time[1], int(time[1] - time[0]))
    sol = odeint(myeqs, [S0,I0,R0], tspan, args=(beta, gamma, N))
    return sol

y0 = [1000, 1, 0]
extraParams = [0.5, 0.25, 1000, y0, [0,150]]


def computeSimple(f, extraParams):
   sol = runModel(f, extraParams)
   return np.abs((sol[-1,2] - sol[0,2]))


def c1(f):
    return f*1000.0 - 500.0


cons = ({'type': 'ineq', 'fun': c1})

#cons = ({'type': 'ineq',
 #  'fun': lambda x: x[0]*1000 - 500}, )

res = minimize(computeSimple, 0.2, args=(extraParams, ), method='SLSQP',       bounds=((0,1.5), ), constraints=cons)
print res.x

print c1(res.x)

如果你运行这个，你会看到res.x总是上界，不管约束是什么。。。 我的错误在哪里？ 提前谢谢

Answer 1

你的约束倒过来了。此约束：

def c1(f):
    return f*1000.0 - 500.0

将f限制为至少0.5，而不是至多0.5