多个约束

Question

失败scipy.minimize我想用scipy.minimize

def lower_bound(x, mu, r, sigma): 
    mu_h = mu_hat(x, mu, r) 
    sigma_h = sigma_hat(x, sigma) 
    gauss = np.polynomial.hermite.hermgauss(10) 
    return (1 + mu_h + math.sqrt(2) * sigma_h * min(gauss[1])) 

所有相关功能进行测试，以尽量减少下面的函数和预期的返回值。现在为了设置最小化过程，我定义了

cons = ({"type": "ineq", 
      "fun": mu_hat, 
      "args": (mu, r)}, 
      {"type": "ineq", 
      "fun": lambda x, sigma: -1.0*sigma_hat(x, sigma), 
      "args": (sigma)}, 
      {"type": "ineq", 
      "fun": lambda x: x}, 
      {"type": "ineq", 
      "fun": lambda x: 1-np.dot(np.ones(x.size), x)}) 

作为约束条件。当我运行此代码scipy.minimize给我以下错误消息的约束：

File "/usr/local/lib/python3.5/dist-packages/scipy/optimize/slsqp.py", line 312, in <listcomp> 
    mieq = sum(map(len, [atleast_1d(c['fun'](x, *c['args'])) for c in cons['ineq']])) 
TypeError: <lambda>() argument after * must be an iterable, not float 

什么是不正确的定义约束？

Answer 1

错误消息说：

mieq = sum(map(len, [atleast_1d(c['fun'](x, *c['args'])) for c in cons['ineq']])) 
TypeError: <lambda>() argument after * must be an iterable, not float 

因此，我们可以推断，c['args']是float类型的，因为c['args']是*适用于它的唯一变量。显然，在c中查找'args'已成功，因此我们知道c是一个float，其中预期有一个可迭代（列表，元组等）。

如果我们现在看看您的约束，args通过(mu, r)在一个案件和(sigma)在另一个。问题现在已经清楚：(sigma)相当于sigma，而不是元组。要在Python中创建1元组，您必须说(sigma,)。