Scipy 使用没有简单表达式的约束最小化

Question

我试图找到最小化最小二乘函数的值。问题是解决方案可能 有效 或无效，无法作为值的简单表达式给出。相反，我们可以通过调用函数来检查有效性。

我试图做的是在解无效时将平方和设置为无穷大，但 scipy.optimize.minimize 不喜欢那样。解决此问题的更好方法是什么？

我的代码的简化版本：

probs = constant
def sse(a_candidate):
        validity = some_function(a_candidate)

        if not validity:
            sum_sq_err = np.inf

        else:
            ym = function_of(a_candidate)
            sum_sq_err = np.sum((ym-probs)**2)

        return sum_sq_err
a_solution = scipy.optimize.minimize(sse,a0)

Answer 1

您可以将 NonlinearConstraint 对象传递给 scipy.optimize.minimize。

a_solution = scipy.optimize.minimize(sse, a0, constraints=scipy.optimize.NonlinearConstraint(...))

我无法提供进一步的细节，因为你的问题没有提供任何细节，并且根据同样的论点，我不能保证施加 NonLinearConstraint 确实可以帮助你。