scipy.optimize.minimize 更改小数点后位的值

Question

这是我的优化代码。

  initialGuess = D.Matrix[:,D.menge]
  bnds = D.Matrix[:,(D.mengenMin,D.mengenMax)]
  con1 = {'type': 'eq', 'fun': PercentSum} 
  con2 = {'type': 'eq', 'fun': MinMaxProportion}
  cons = ([con1,con2])

  solution = minimize(rootfunc,initialGuess,method='SLSQP',\
                bounds=bnds,constraints=cons)

问题是，算法会更改小数点后的值。例如这是我的初步猜测。我已经尝试将浮点数更改为整数，以解决问题。

 [  0.   0. 123.   0.   0. 622. 245.   0.   0.   0.]

优化器的第一次尝试如下所示：

[1.49011612e-08 0.00000000e+00 1.23000000e+02 0.00000000e+00
0.00000000e+00 6.22000000e+02 2.45000000e+02 0.00000000e+00
0.00000000e+00 0.00000000e+00]

另一个是这样的：

[  0.           0.         123.00000001   0.           0.
 622.         245.           0.           0.           0.        ]

最终优化结束并出现此错误：

status 6
message Singular matrix C in LSQ subproblem

我认为问题在于微小的差异。是否有可能告诉 SLSQP 算法只尝试更改小数点前两位或更高位？

亲切的问候

编辑：我找到了一个选项，但它没有解决我的问题。 scipy.optimize.minimize的新调用：

solution = minimize(rootfunc,initialGuess,method='SLSQP',\
                bounds=bnds,constraints=con2,options={'eps':1,'disp':True})

Answer 1

那些"tiny steps"不是求解器在每次迭代中选择的值，它们来自有限差分。像这样的基于梯度的求解器需要梯度。由于您没有将梯度作为函数提供，因此它默认为您使用有限差分计算它们。正如错误所述，您真正的问题很可能是奇异矩阵。

scipy.optimize.minimize 更改小数点后位的值

scipy.optimize.minimize changes values at low decimal place

python

numpy

scipy

nonlinear-optimization