scipy minimize当目标函数需要参数、当约束条件特别特别多时

from scipy.optimize import minimize

求解

官方说明文档

简单开一下开头

 官方下面有例子会让人容易明白

注意我们的目的是：为了求出让fun函数最小的最优解x

当遇见目标函数fun带了很多外来参数的时候

以及约束很多很多假设有100个的时候，怎么实现呢

1、优化函数带参数

但是当fun函数是带参数的时候怎么办呢，参数当然可以是一个数，也可能是数组矩阵等。

比如说我们可以随便定义一个目标函数：

def fun(x, funarg1, funarg2):

    loss1 = funarg1.dot(x)

    loss2 = (x[0] - max(funarg2))**2 + (x[1] - 2.5)**2

    return loss1 + loss2

2、当有很多很多约束，可以采用约束也带参数的方法

注意：eq表示 本约束函数目标等于0 ； ineq 表示 约束函数目标大于等于0

网上多数例子的约束都是不带参数的，只有x本身，约束函数也想要带参数该怎么写

相当于要构建很多个约束，总不能全都一个写吧

例如的实现方法

cons_temp = []

for carg1, carg2, carg3 in arg_all:
    cons_temp.append(
    {'type': 'ineq', 'fun': lambda x, carg1:  x[0] - 2 * x[1] + carg1, 'args': (carg1)},
    {'type': 'ineq', 'fun': lambda x, carg2, carg3: -x[0] - carg2 + carg3,  'args': (carg2, carg3)})

cons = tuple(cons_temp)

3、求解上面目标函数及约束

res = minimize(fun, x0, args=(funarg1, funarg2), constraints=cons)

x0是x初始猜测值

res.x就是求解的结果