有没有办法在scipy.minimize中自动生成多个约束条件的字典列表?当我使用以下代码时(其中约束条件列表是相同环上的sage多元多项式列表)
以下代码可以工作,但是我理解 eval 函数不是最佳实践。
cons = [{'type': 'eq', 'fun': lambda s: ((constraint[0])(*s))},
{'type': 'eq', 'fun': lambda s: ((constraint[1])(*s))},
{'type': 'eq', 'fun': lambda s: ((constraint[2])(*s))},
{'type': 'eq', 'fun': lambda s: ((constraint[3])(*s))}]
y0 = [.5 for xx in x]
bnds = tuple([(0.0, 1.0) for xx in x])
ssoln = scipy.optimize.minimize(HH, y0, jac=dHH, method='SLSQP', bounds=bnds, constraints=cons)
print ssoln
我的输出是
status: 0
success: True
njev: 14
nfev: 22
fun: -2.2669026273652237
x: array([ 0.034829615490635, 0.933405952554424, 0.93340765416238 ,
0.093323548109654, 0.335713397575351, 0.413107862378296])
message: 'Optimization terminated successfully.'
jac: array([-3.321836605297572, 2.640225014918886, 2.640252390205999,
-2.273713195767229, -0.682455873949375, -0.351132324172705, 0. ])
nit: 14
然而,如果我尝试通过
cons=[]
for ii in range(len(constraint)):
cons.append({'type': 'eq', 'fun': lambda s: ((constraint[ii])(*s))})
最小化失败与
status: 6
success: False
njev: 1
nfev: 1
fun: -4.1588830833596715
x: array([ 0.5, 0.5, 0.5, 0.5, 0.5, 0.5])
message: 'Singular matrix C in LSQ subproblem'
jac: array([ 0., 0., 0., 0., 0., 0., 0.])
nit: 1
我的聪明多项式列表可能会因问题而异,长度和多项式数量都可能改变。我不想为每个问题都硬编码给定上面的 cons 字典列表。有没有一种自动化的方法?以下代码可以工作,但是我理解 eval 函数不是最佳实践。
str1='{\'type\': \'eq\', \'fun\': lambda s: ((constraint['
str2='])(*s))},'
mystr='['
for ii in range(len(constraint)):
mystr=mystr+str1+str(ii)+str2
mystr=mystr+']'
cons = eval(mystr)