问题描述
我有一个如下设置的向量函数。
def func(x):
return x
def func_wrapper(x):
return func(x)[0]
假设我的目标是最小化此函数的第一个输出变量,同时使用其他两个作为约束。 例如:最小化 f(x)[0] 服从 f(x)[1] = 10 和 f(x)[2] =20
失败的尝试
eq_cons_1 = {'type': 'eq','fun' : lambda x: func(x)[1] -10 }
eq_cons_2 = {'type': 'eq','fun' : lambda x: func(x)[2] -20 }
opt = {'disp':True,'eps' : eps}
x0 = np.array([20,30,])
print optimize.minimize(func_wrapper,x0,constraints=[eq_cons_1,eq_cons_2],method='SLSQP',options=opt)
导致
Iteration limit exceeded (Exit mode 9)
Current function value: -881096091452997.5
Iterations: 101
Function evaluations: 1275
Gradient evaluations: 101
fun: -881096091452997.5
jac: array([0.,0.,0.])
message: 'Iteration limit exceeded'
nfev: 1275
nit: 101
njev: 101
status: 9
success: False
x: array([-8.81096091e+14,9.98196471e+00,2.01164213e+01])
如何正确实现这个简单功能的优化? 提前致谢。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)