Указание ограничений для fmin_cobyla в scipy

Question

Я использую Python 2.5.

Я передаю границы оптимизации cobyla:

import numpy 
from numpy import asarray

Initial = numpy.asarray [2, 4, 5, 3]       # Initial values to start with

#bounding limits (lower,upper) - for visualizing

#bounds = [(1, 5000), (1, 6000), (2, 100000), (1, 50000)] 

# actual passed bounds

b1 = lambda  x: 5000 - x[0]      # lambda x: bounds[0][1] - Initial[0]

b2 = lambda  x: x[0] - 2.0       # lambda x: Initial[0] - bounds[0][0]

b3 = lambda  x: 6000 - x[1]      # same as above

b4 = lambda  x: x[1] - 4.0

b5 = lambda  x: 100000 - x[2]

b6 = lambda  x: x[2] - 5.0

b7 = lambda  x: 50000 - x[3]

b8 = lambda  x: x[3] - 3.0

b9 = lambda  x: x[2] >  x[3]  # very important condition for my problem!


opt= optimize.fmin_cobyla(func,Initial,cons=[b1,b2,b3,b4,b5,b6,b7,b8,b9,b10],maxfun=1500000)

На основе начальных значений Initial и в соответствии с/в пределах b1 Для b10 значения передаются в opt().Но значения расходятся, особенно с b9.Это очень важное ограничивающее условие для моей проблемы!

"Ценность x[2] передано моей функции opt() на каждой итерации всегда должно быть больше, чем x[3]" - Как этого можно достичь?

Есть ли что-то неправильное в моих границах (b1 Для b9) определение ?

Или есть лучший способ определения моих границ?

Пожалуйста, помогите мне.

Answer 1

fmin_cobyla() это не метод внутренней точки.То есть, он будет передавать функции точки, которые находятся за пределами границ ("неосуществимые точки") в ходе выполнения оптимизации.

Единственное, что вам нужно будет исправить, это то, что b9 и b10 находятся не в той форме , которая fmin_cobyla() ожидает.Связанные функции должны возвращать положительное число, если они находятся в пределах границы, 0.0, если они находятся точно на границе, и отрицательное число, если они находятся за пределами границ.В идеале эти функции должны быть плавными. fmin_cobyla() попытаемся взять числовые производные от этих функций, чтобы сообщить ему, как вернуться в допустимую область.

b9 = lambda x: x[2] - x[3]

Я не уверен, как это реализовать b10 таким образом , что fmin_cobyla() тем не менее, вы сможете использовать.

Answer 2

для b10 возможным вариантом может быть:

b10 = lambda x: min(abs(i-j)-d for i,j in itertools.combinations(x,2))

где d является ли дельта больше минимальной разницы, которую вы хотите получить между вашими переменными (например, 0.001)