python - scipy.optimize 紧凑约束

Question

我有一个长度为 9 的 np.array A，它是目标函数中的变量。

A =  [ a1, a2, a3,
       b1, b2, b3,
       c1, c2, c3], where a1...c3 are real numbers.
with constraints: a1 > a2, a2 > a3,
                  b1 > b2, b2 > b3,
                  c1 > c2, c2 > c3

有没有简单的方法来写约束？目前我有以下代码，但是随着数组变大，很难全部写出来。

cons = (
        {'type':'ineq',
         'fun': lambda x : np.array([x[0]-x[1]])
        }
    ,
        {'type':'ineq',
         'fun': lambda x : np.array([x[1]-x[2]])
        }
    ,
        {'type':'ineq',
         'fun': lambda x : np.array([x[3]-x[4]])
        }    
    ,
        {'type':'ineq',
         'fun': lambda x : np.array([x[4]-x[5]])
        }   
    ,
        {'type':'ineq',
         'fun': lambda x : np.array([x[6]-x[7]])
        }    
    ,
        {'type':'ineq',
         'fun': lambda x : np.array([x[7]-x[8]])
        }    
   )

Answer 1

显然，您的约束是 A 的每一列都应该(按元素)大于或等于其右侧的列。

您可以按如下方式制定单个矢量输出约束:

def cons_fun(x):
    A = x.reshape(3,3) # change "(3,3)" according to the dimensions of A

    return np.array([A[:,i]-A[:,i+1] for i in range(3-1)]).ravel() # change "3" accordingly

cons = ({'type':'ineq',
         'fun' : cons_fun},)

根据我使用 SLSQP 的经验，向量输出约束比提供多个标量输出约束导致优化时间更快。