Python Scipy Optimizer Minimize : Constraints and bounds are not working as expected, 如何使其工作？

Question

待优化的功能:

def optimize(allocs, allStocksNormalized):
    allocs = allStocksNormalized * allocs
    postvalues = allocs * startvalue
    portfolioValues = postvalues.sum(axis=1)
    cumulativeReturns = (portfolioValues[-1] / portfolioValues[0]) - 1
    return cumulativeReturns*-1

调用函数:

allocsGuess = [0.3,0.3,0.3,0.1]

cons = ({'type': 'eq', 'fun' : lambda inputs: 1 - (np.sum(abs(inputs)))})

bnds = [(0.0, 1.0), (0.0, 1.0), (0.0, 1.0), (0.0, 1.0)]

min_cum_return = optimizer.minimize(optimize, allocsGuess, args=(allStocksNormalized,) ,
                                   method='SLSQP',  bounds=bnds, constraints=cons,
                                    options={'disp': True})

print("X = {}, Y = {}".format(min_cum_return.x,min_cum_return.fun))

现在返回的结果是这样的 -

X = [  3.47499807e-14   1.00000000e+00   0.00000000e+00   0.00000000e+00], Y = -14.500342231347526

我想要以下条件的约束 -

1. 分配数组 (X) 中的每个值都应在 0.0 和 1.0 之间(我为此使用边界)
2. 数组 X 的绝对值之和应恰好等于 1.0(我为此使用了约束)

正如我们所看到的，我从 X 数组获得的结果不符合任何一个标准。

我该如何改进它才能正常工作？

Answer 1

尝试以下操作:

bnds = ((0.0, 1.0), (0.0, 1.0), (0.0, 1.0), (0.0, 1.0))

bnds 应该是一个元组