向 mystic 提供 inequalities/constraints 的向量

Question

我正在尝试为一个函数最小化提供约束，迄今为止我一直使用通过 scipy (scipy.optimize.fmin_l_bfgs_b()) 提供的无约束算法成功执行该函数。

阅读（例如，参见 Python constrained non-linear optimization），我发现了一个名为 mystic 的最小化包，它似乎正是我所需要的。我的情况如下。我有一个 3N 变量的函数（代表 N 节点的 xyz 位置坐标），我想提供一个约束列表，使得每个节点 z/x = const. 。这使得总共有 N 个约束。我如何最有效地为 mystic() 执行 define/supply 这些约束？ scipy.optimize.slsqp() 也可以使用相同的约束对象吗？由于我的约束是线性的，这应该也是一个可行的选择。

我尝试了以下方法，但它使我的计算机崩溃：

import mystic.symbolic as ms
ieqns = ''
for p in range(N):
    ieqns += 'x'+str(p+2) +'/x'+str(p) +" <= 2"

cf = ms.generate_constraint(ms.generate_solvers(ms.simplify(ieqns)))
pf = ms.generate_penalty(ms.generate_conditions(ieqns), k=1e12)

Answer 1

我是 mystic 作者。我相信你想要做的是这样的：

>>> import mystic.symbolic as ms
>>> ieqns = ''
>>> for p in range(10):
...   ieqns += 'x{0} <= 2*x{1}\n'.format(p+2,p)
... 
>>> cf = ms.generate_constraint(ms.generate_solvers(ieqns))
>>>
>>> # test that it applies the constraints
>>> cf([1.,3.,5.,7.,9.,11.,13.,15.,17.,19.,21.,23.,25.])
[1.0, 3.0, 2.0, 6.0, 4.0, 11.0, 8.0, 15.0, 16.0, 19.0, 21.0, 23.0, 25.0]

然后我们可以在应用约束的同时最小化（但是，在下面的情况下约束基本上是无关紧要的）：

>>> # get an objective
>>> import mystic.models as mm
>>> rosen = mm.dejong.Rosenbrock(12).function
>>> 
>>> # get an optimizer
>>> import mystic.solvers as my
>>> result = my.diffev2(rosen, x0=bounds, bounds=bounds, constrints=cf, npop=40, disp=False, full_output=True, gtol=100)
>>>
>>> # get the solution 
>>> result[0]
array([0.99997179, 1.00005506, 1.00012367, 0.99998539, 0.99984306,
       0.99981495, 0.999951  , 0.99996505, 0.99971107, 0.99925239,
       0.99846259, 0.99692293])
>>> # and the final 'cost'
>>> result[1]
2.2385442425350018e-05
>>>

向 mystic 提供 inequalities/constraints 的向量

Supplying a vector of inequalities/constraints to mystic

python

optimization

scipy

mystic