Numpy 函数检查 `>=0` 对浮点错误的容忍度

Question

使用 numpy，我们的优化求解器具有一个函数，该函数通过计算约束的松弛度（以矩阵和向量的形式）来检查解决方案的可行性。

我们使用以下代码测试可行性：

    return np.all(slacks_x >= 0) and np.all(slacks_u >= 0)

这有一个错误，因为有时松弛可以采用像 -1.5 e-12 这样的值，即接近零但由于浮点错误而为负值。在这种情况下，它会错误地返回 False。

numpy 中是否有一个函数可以检查>=0 的公差？当前的解决方法是检查>= -0.1。

Answer 1

也许尝试使用机器 epsilon np.finfo(np.float32).eps 或 np.finfo(np.float64).eps，然后返回类似：

eps = np.finfo(np.float32).eps #np.finfo(np.float64).eps
return np.all(slacks_x >= -eps) and np.all(slacks_u >= -eps)