问题描述
我想用scipy.optimize.minimize解决一个优化问题,其中目标和不等式约束函数都使用依赖于x的常见“模拟”函数的结果。
幼稚的方法只是在目标和约束中调用“模拟”功能。虽然这样做有效,但效率不是很高,因为这意味着对“模拟”进行了两次评估。
是否有办法避免这种情况,可能是通过存储和重用已经计算的结果?在Matlab中,可以使用嵌套函数(see here),但这似乎不适用于python。
非常感谢您的帮助。
解决方法
一种方法是添加一个决策变量和一个相等约束:
Min y
y >= c
y = fsimulation(x)
当然,这可以推广到更高维度的y
。