Scipy 最小化：如何将参数传递给目标和约束答案

【问题标题】：Scipy minimize: How to pass args to both the objective and the constraintScipy 最小化：如何将参数传递给目标和约束
【发布时间】：2019-07-03 20:05:12
【问题描述】：

我的MWE如下

def obj(e, p):
    S = f(e) + g(p)
    return S

我想仅通过 e 最小化这个函数，并将 p 作为参数传递给函数。但是，我也想要一个依赖于 p 和 e 的约束，其形式为 p + e < 1

我试过了

cons = {'type': 'ineq',
       'fun': lambda e, p: -e -p + 1,
       'args': (p)}

然后，我尝试将 p = 0.5 的情况最小化

minimize(obj, initial_guess, method = 'SLSQP', args = 0.5, constraints = cons)

但这不起作用。我在定义cons 的行中收到错误name 'p' is not defined。如何将参数 p 传递给目标函数和约束？

完整代码如下

from scipy.optimize import minimize
from scipy.stats import entropy
import numpy as np

#Create a probability vector
def p_vector(x):
    v = np.array([x, 1-x])
    return v


#Write the objective function 
def obj(e, p):
    S = -1*entropy(p_vector(p + e), base = 2) 
    return S

##Constraints
cons = {'type': 'ineq',
       'fun': lambda e: -p - e + 1,
       'args': (p,)
       }

initial_guess = 0

result = minimize(obj, initial_guess, method = 'SLSQP', args = (0.5, ), constraints = cons)
print(result)

【问题讨论】：

将args 作为元组传递使用(p,) 和(0.5,)。在某些情况下，它可能会为您将标量变成元组，但为了安全起见，我自己会这样做。
我在定义 cons 时使用 'args': (p,) 进行了尝试，但我仍然有一个错误，提示名称 'p' 未在该行中定义。另外，如果不清楚 p = 0.5 是我正在尝试运行的情况
args=(0.5,) 在对obj 的调用中设置p。但是查看minimize 文档，它看起来像cons 中的args，定义了传递给lambda 的内容。所以我会尝试'args': (0.5,)。我没有经常使用cons，所以我完全根据文档工作，而不是经验。
嗯，它现在给了我一个新错误“() 需要 1 个位置参数，但给出了 2 个”。为了清楚起见，我已将完整代码附加到问题中

标签： python-3.x optimization scipy

【解决方案1】：

好的，我认为这是我的语法错误以及应如何传递参数的混合。对于可能有相同问题的人，我将在此处发布答案。

目标函数是obj(e, p)。我们只想最小化e，所以我们创建了一个包含其他参数arguments = (0.5,) 的元组。也就是说，设置了一个特定的值p=0.5。接下来定义约束函数

def prob_bound(e, p):
    return -e - p + 1

现在将约束字典写成

cons = ({'type': 'ineq',
       'fun': prob_bound,
       'args': arguments       
       })

最后，调用最小化器

result = minimize(obj, initial_guess, method = 'SLSQP', args = arguments, constraints = cons)

【讨论】：