Scipy 优化最小化迭代约束不将 x 识别为数组

Question

参考我下面的代码（仅原始代码的相关部分），由于 x0 是一个 4 X 3 数组，x 也应该是相同的。但我在约束 1 中收到“标量变量的无效索引”错误。

我按照scipy.optimize.minimize (COBYLA and SLSQP) ignores constraints initiated within for loop 中的答案迭代地编写了约束

编写约束的任何更好（通用）方式都会很棒。提前致谢！

我需要约束循环，因为这只是一个玩具优化问题，而不是我希望解决的原始优化问题（博弈论）。

代码（下面的完整代码链接）：

def constraint1(i):
  def g(x):
    con = 20
    for k in range(3):
      con = con - x[i][k]
    return con
  return g

x0 = np.array([[5,5,5],[5,5,5],[5,5,5],[5,5,5]])

cons = []

for i in range(4):
  cons.append({'type': 'ineq', 'fun': constraint1(i)})

solution = minimize(objective,x0,method='SLSQP',\
                    bounds=None,constraints=cons)

还有错误（请忽略行号，因为上面是稍大代码的一部分）：

Traceback (most recent call last):
  File "opt.py", line 44, in <module>
    bounds=None,constraints=cons)
  File "C:\Users\dott\Anaconda2\lib\site-packages\scipy\optimize\_minimize.py", line 458, in minimize constraints, callback=callback, **options)
  File "C:\Users\dott\Anaconda2\lib\site-packages\scipy\optimize\slsqp.py", line 312, in _minimize_slsqp
    mieq = sum(map(len, [atleast_1d(c['fun'](x, *c['args'])) for c in cons['ineq']]))
  File "opt.py", line 15, in g
    con = con - x[i][k]
IndexError: invalid index to scalar variable.

完整代码：https://pastebin.com/cvYBvW3B

Answer 1

似乎优化任务使您的初始猜测变平，并在每次迭代后返回展平解决方案数组（而不是 4x3 数组，它返回 1x12 数组）。这就是为什么你会得到这种错误。您应该将目标函数和约束函数中的 x 数组从 1x12 重塑为 4x3。之后，您可以访问x 变量的第二维并避免IndexError: invalid index to scalar variable.。你的函数应该是这样的：

def objective(x):
    global q
    sum = 0
    x = x.reshape((4, 3))
    for i in range(4):
        for j in range(3):
            sum = sum + x[i][j]*q[i][j]
    return -1*sum

def constraint1(i):
    def g(x):
        con = 20
        x = x.reshape((4, 3))
        for k in range(3):
            con = con - x[i][k]
        return con
    return g

def constraint2(k):
    def h(x):
        sum_eq = 20
        x = x.reshape((4, 3))
        for i in range(4):
            sum_eq = sum_eq - x[i][k]
        return sum_eq
    return h