这是我的优化代码。在
initialGuess = D.Matrix[:,D.menge]
bnds = D.Matrix[:,(D.mengenMin,D.mengenMax)]
con1 = {'type': 'eq', 'fun': PercentSum}
con2 = {'type': 'eq', 'fun': MinMaxProportion}
cons = ([con1,con2])
solution = minimize(rootfunc,initialGuess,method='SLSQP',\
bounds=bnds,constraints=cons)
问题是,算法在小数位改变数值。 e、 这是我最初的猜测。我已经试着从浮点改成整数,来解决这个问题。在
^{2}$优化器的第一次尝试如下所示:
[1.49011612e-08 0.00000000e+00 1.23000000e+02 0.00000000e+00
0.00000000e+00 6.22000000e+02 2.45000000e+02 0.00000000e+00
0.00000000e+00 0.00000000e+00]
另一个是:
[ 0. 0. 123.00000001 0. 0.
622. 245. 0. 0. 0. ]
最后,优化结束时出现以下错误:
status 6
message Singular matrix C in LSQ subproblem
我认为问题在于细微的差别。有没有可能告诉SLSQP算法只尝试更改前两位或更高的小数点?在
谨致问候
编辑:我找到了一个选择,但它不能解决我的问题。新的呼唤scipy.optimize.minimize.最小化公司名称:
solution = minimize(rootfunc,initialGuess,method='SLSQP',\
bounds=bnds,constraints=con2,options={'eps':1,'disp':True})
这些“微小步骤”不是求解器在每次迭代中选择的值,它们来自有限差分法。这种基于梯度的解算器需要渐变。由于没有将梯度作为函数提供,它默认使用有限差分为您计算它们。正如错误所说,你真正的问题很可能是一个奇异矩阵。在
相关问题 更多 >
编程相关推荐