我正在使用SciPy尝试解决一个相当基本的优化问题。该问题受到限制,并且具有可变边界,我很确定它是线性的。
当我运行以下代码时,执行失败并显示错误消息“LSQ子问题中C矩阵奇异”。请问有人知道问题可能是什么吗?提前感谢。
编辑:我将在此处添加代码应执行的简短描述。我在代码开头定义了一个“需求”向量。该向量描述了某种产品在一段时间内的需求量。我想弄清楚的是如何下订单以满足这些需求,同时满足一些约束条件。这些约束条件是:
- 如果在某个时间点(即需求索引)存在需求,则必须有库存
- 在下订单后的4个“时间单位”之内不能再下订单
- 不能在最后4个时间单位下订单
这是我的代码:
from scipy.optimize import minimize
import numpy as np
demand = np.array([5, 10, 10, 7, 3, 7, 1, 0, 0, 0, 8])
orders = np.array([0.] * len(demand))
def objective(orders):
return np.sum(orders)
def items_in_stock(orders):
stock = 0
for i in range(len(orders)):
stock += orders[i]
stock -= demand[i]
if stock < 0.:
return -1.
return 0.
def four_weeks_order_distance(orders):
for i in range(len(orders)):
if orders[i] != 0.:
num_orders = (orders[i+1:i+5] != 0.).any()
if num_orders:
return -1.
return 0.
def four_weeks_from_end(orders):
if orders[-4:].any():
return -1.
else:
return 0.
con1 = {'type': 'eq', 'fun': items_in_stock}
con2 = {'type': 'eq', 'fun': four_weeks_order_distance}
con3 = {'type': 'eq', 'fun': four_weeks_from_end}
cons = [con1, con2, con3]
b = [(0, 100)]
bnds = b * len(orders)
x0 = orders
x0[0] = 10.
minimize(objective, x0, method='SLSQP', bounds=bnds, constraints=cons)