使用SLSQP的SciPy优化给出了不满足约束条件的解

Question

我试着最小化函数 B1=0.00299540627439527*x[0]**2 + 0.00701825276534463*x[0]*x[1] + 0.0672877782113971*x[0] + 0.00456646480250456*x[1]**2 + 0.054080834634827*x[1] + 0.298938755491431 在x1=[-10,10]和x2=[-10,10]的状态空间上 给出下面的不等式约束 EqX0=[[(x[0]+5)**2+x[1]**2-2.5]]<=0其中x[0]和{}被象征性地定义为x1和{}

ga=1是一个参数

然而，当我使用SLSQP来求解非线性约束优化问题时，答案是x=[-10,10]，它不满足不等式约束。在

下面是一段代码：

def Objective2(ax):
    B2=B1.copy()
    B2=B2.subs((x[i],ax[i]) for i in range(len(ax)))
    return ga-B2

def Constraint1(ax):
    EqX0c=EqX0.copy()
    cc=[]
    for pp in range(len(EqX0c)):
        cc.append(-EqX0c[0][pp].subs((x[i],ax[i]) for i in range(len(ax))))
    return cc

con1= {'type': 'ineq','fun': Constraint1}
bounds=Bounds([-10,10],[-10,10])
sol2=minimize(Objective2,x0,method="SLSQP",bounds=bounds,constraints=con1)

这是产出。程序成功终止，但给出错误的结果。在

fun: -0.12123115088124994 jac: array([-0.07756218, -0.0752276 ]) message: 'Optimization terminated successfully.' nfev: 4 nit: 5 njev: 1 status: 0 success: True x: array([-10., 10.])

我怎么能解决这个问题呢？在

Answer 1

我认为你定义的界限有误。尝试Bounds([-10,-10],[10,10])。在

参见docs。在