推 horby: 謝謝，問題順利解決了。 02/02 20:01
※ 引述《horby (horby)》之銘言：
: 想請教關於scipy限制式的寫法
: 簡單程式如下：
: import numpy as np
: import scipy as sp
: import scipy.optimize as opt
: #給定一些變數值，w0是起始值，w1是限制的依據，score是其他運算資料，不重要
: w1 = np.array([ 0.4, 0.3, 0.2, 0.1, 0. , -0.1, -0.2, -0.3, -0.4])
: w0 = np.ones(w1.size)/w1.size
: score = np.array([ 0.04, -0.24, 0.01, 0. , -0.27, 0.02, 0.03, -0.11, -0.05])
: #目標函數
: def objfun(w, score, w1):
: return -1.0 * np.dot(w, score)
: #限制式
: bounds = [(-0.1 + i, i+0.1) for i in w1]
: #求解
: results = opt.minimize(objfun, w0, args = (score, w1),
: method = "SLSQP",
: bounds = bounds)
: 基本上我要求解w使函數極大化，但是w的變化範圍限定在w1的正負10%
: 上述的寫法可以成功，但我想知道以constraints改寫bounds要怎麼寫，
: 請大家指點一下，謝謝!!!
照說明文件的解釋
constraints 應該要先寫成 g_i(x) >= 0 的型式
所以如果你有某個 i - 0.1 <= g(x) <= i + 0.1
應該先做些小小的推導 把這個寫成兩條不等式:
g(x) - i + 0.1 >= 0
i + 0.1 - g(x) >= 0
然後把這兩條不等號左邊放進constrains中:
cons = ({'type': 'ineq', 'fun': lambda x: ......},
{'type': 'ineq', 'fun': lambda x: ......})
這樣子...
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.160.165.64
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1454179101.A.DE4.html