scipy.optimize.differential_evolution 的整数解约束？
Integer solution constraint for scipy.optimize.differential_evolution?
我正在尝试在我的程序中使用 scipy.optimize.differential_evolution 优化器。但是我需要的解决方案只有整数...
现在的解决方案（scipy.optimize.OptimizeResult 的 属性 x）总是看起来像这样：
[3.56932195, 1.69611735, 8.67970522, 9.69922539, 6.43961603, 3.3292928 , 2.32741226]
但我需要解中的所有元素都是整数，例如：
[6, 6, 4, 7, 2, 5, 3]
有什么办法可以强制执行吗？或者有什么 other/better 适合我的软件包吗？
您需要使用混合整数规划求解器。
除非您的约束矩阵是幺模的，否则如果没有 MIP 求解器，您将无法确保整数解。
通过说所有的解决方案都必须是整数，您是在说您的问题是非凸的。但是你反而试图解决一个凸问题。
如果您的 constraints/equations 是线性的，您可能需要检查 GLPK 和 CBC 等工具。如果您的约束是非线性的，则需要研究非线性整数规划求解器。
在 scipy 版本 1.9 differential_evolution 中将获得一个 integrality 关键字，该关键字将完全按照您的要求执行，无需修改。同时，您可以简单地将所有参数值四舍五入为整数，例如np.round，在你的 objective 函数中。这种方法在有和没有约束的情况下都有效。
我正在尝试在我的程序中使用 scipy.optimize.differential_evolution 优化器。但是我需要的解决方案只有整数...
现在的解决方案（scipy.optimize.OptimizeResult 的 属性 x）总是看起来像这样：
[3.56932195, 1.69611735, 8.67970522, 9.69922539, 6.43961603, 3.3292928 , 2.32741226]
但我需要解中的所有元素都是整数，例如：
[6, 6, 4, 7, 2, 5, 3]
有什么办法可以强制执行吗？或者有什么 other/better 适合我的软件包吗？
您需要使用混合整数规划求解器。
除非您的约束矩阵是幺模的，否则如果没有 MIP 求解器，您将无法确保整数解。
通过说所有的解决方案都必须是整数，您是在说您的问题是非凸的。但是你反而试图解决一个凸问题。
如果您的 constraints/equations 是线性的，您可能需要检查 GLPK 和 CBC 等工具。如果您的约束是非线性的，则需要研究非线性整数规划求解器。
在 scipy 版本 1.9 differential_evolution 中将获得一个 integrality 关键字，该关键字将完全按照您的要求执行，无需修改。同时，您可以简单地将所有参数值四舍五入为整数，例如np.round，在你的 objective 函数中。这种方法在有和没有约束的情况下都有效。