>scipy.最小化似乎不遵守约束。 下面是一个简单的示例，其中约束用于防止对数中的负参数，但最小函数不遵守：
import math
from scipy.optimize import minimize
def obj(x,b):
print "obj x",x
return math.log(x-b)
def constr(x,b):
print "constr x",x
return x-b
x=3.1
b=3
a=minimize(obj,x,args=(b),constraints={'type': 'ineq', 'fun':constr,'args':[b]})
输出为：
constr x [ 3.1]
obj x [ 3.1]
constr x [ 3.1]
obj x [ 3.1]
obj x [ 3.10000001]
constr x [ 3.1]
constr x [ 3.10000001]
obj x [ 3.]
Traceback (most recent call last):
File "scipy_minimize_constraints.py", line 19, in
a=minimize(obj,x,args=(b),constraints={'type': 'ineq', 'fun':constr,'args':[b]})
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/_minimize.py", line 495, in minimize
constraints, callback=callback, **options)
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/slsqp.py", line 378, in _minimize_slsqp
fx = func(x)
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.py", line 292, in function_wrapper
return function(*(wrapper_args + args))
File "scipy_minimize_constraints.py", line 9, in obj
return math.log(x-b)
ValueError: math domain error
蟒蛇2.7 西皮版本 1.0.0
我做错了什么吗？
约束
def constr(x,b):
return x-b
结果为x-b >= 0(非阴性(，但允许x-b = 0。那么log(x-b)是未定义的，如果x-b = 0.您需要引入一些 epsilon，例如：
eps = 1e-12
def constr(x,b):
return x-b-eps
这不会抛出您的错误。
但可能还有一个更重要的问题：我真的不认为求解器(这里的 SLSQP(保证它的迭代是可行的！在某些情况下，这可能会有问题。在您的简单示例中，要走的方法是将约束转换为边界。这当然不那么富有表现力(并不总是可能的;但对于你的小例子来说确实如此(，但这些界限在迭代中得到了尊重！
inferred_lb = b + eps
a = minimize(obj, x, args=(b,), bounds=[(inferred_lb, None)])
(当然：不要使用最小化进行一维优化。有minimize_scalar。
我不知道 scipy 的最小化是如何工作的，但我认为你是对的，它不遵循约束。
如果在 obj(x，b( 中，我尝试打印 x - b，则在抛出错误时，最后一个循环的输出为负数。
不过，这并不完全令人惊讶。 您最小化的函数本质上是约束 z> 0 的 log(z(。 这不会收敛得很慢... :p
编辑：将关键字参数"tol"(容错(设置为最小化器的0.1左右可以消除错误(如minimize(..., tol=0.1)(。我仍然不知道为什么它首先如此重要。
编辑(因为我仍然无法评论(： @sascha，这是有道理的，但为什么该函数甚至计算 x - b 的负值？最小化函数是否在其约束之外"测试"只是为了更好地优化其中的解决方案？ (如果我应该把这个问题作为一个新问题来问，请告诉我。