我一直在使用scipy.optimize.minimize(文档),并注意到当我定义一个无法满足的约束问题时会出现一些奇怪的行为。这里有个例子:
from scipy import optimize
# minimize f(x) = x^2 - 4x
def f(x):
return x**2 - 4*x
def x_constraint(x, sign, value):
return sign*(x - value)
# subject to x >= 5 and x<=0 (not possible)
constraints = []
constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [1, 5]})
constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [-1, 0]})
optimize.minimize(f, x0=3, constraints=constraints)
生成的输出:
fun: -3.0
jac: array([ 2.])
message: 'Optimization terminated successfully.'
nfev: 3
nit: 5
njev: 1
status: 0
success: True
x: array([ 3.])
这个问题没有解决方案能够满足约束条件,但是使用初始条件作为最优解, minimize() 函数可以成功返回。
这种行为是否是有意的?如果是的话,是否有一种方法可以强制失败,如果最优解不满足约束条件?