SciPy Optimize 中的非线性约束不适用于矢量边界？

Question

我询问了 ChatGPT，但没有帮助。 基本上我想对 X 的变换向量实现约束，比方说 T(X)。 我该怎么做？ 这是我的代码：

def TransformFunction(X):
    return Ta(X) 

def LowerBound(X):   
    return Tb(X) * 0.05

def UpperBound(X):
    return Tb(X) * 0.3

其中Ta(X)和Tb(X)是向量x的不同变换，它是优化的输出。 当我尝试这样做时：

Constraint = NonlinearConstraint(
    fun = TransformFunction
    , lb = LowerBound
    , ub = UpperBound
    )

我收到错误

float() argument must be a string or a real number, not 'function'

ChatGPT 告诉我这应该可行。 基本上我需要上限和下限能够随着解决方案的变化而变化。有什么解决办法吗？

Answer 1

根据 NonlinearConstraint 文档，上限和下限必须是静态值。不支持使用函数的上限和下限。

作为替代方案，请考虑划分功能。

例如，您现有的代码正在尝试执行此操作：

Tb(X) * 0.05 >= Ta(X) >= Tb(X) * 0.03

如果将每个元素除以 Tb(X)，则会得到：

0.05 >= Ta(X) / Tb(X) >= 0.03

（注意：这假设 Tb(X) 为正。如果 Tb(X) 为负，则需要交换边界。如果 Tb(X) 可以根据 X 为负或正，则需要一些其他方法。）