Question

我想使用scipy.optimize库使用约束向量进行约束优化。特别是，我提供了r0点N的三维坐标向量 - 因此是一个大小为N x 3的矩阵 - 作为函数的输入。坐标是笛卡尔坐标，我希望冻结所有y依赖。这意味着我需要将N x 3矩阵的第二列保持为常量y0。我如何定义这样的约束列表？

具体来说，让我们考虑一下COBYLA算法（https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.fmin_cobyla.html#scipy.optimize.fmin_cobyla）。我尝试了以下结构：

cons = []
for i in range(xyz0.shape[0]):
    def f(x):
        return x[i,1]-xyz0cyl[i,1]
    cons.append(f)
fmin_cobyla(energy, xyz0, cons, rhoend=1e-7)

并收到错误：

41 for i in range(xyz0.shape[0]):
42     def f(x):
---> 43         return x[i,1]-xyz0cyl[i,1]
 44     cons.append(f)
 45 

IndexError: too many indices for array

发生了什么事？

Answer 1

你的方法在很多方面都是错误的。

首先，config.cache_store = :mem_cache_store, "localhost" # assuming you run memcached on localhost将一个序列作为约束，这样你的Nx3数组在传递给约束函数之前首先被展平，只留下一个维度的数组。因此，除了minimize约束函数内的数组到原始Nx3之外，你不能用元组索引;对于大型N来说可能相当昂贵：

reshape

其次，Python中的闭包是后期绑定;所有约束函数将在 for 循环完成后使用return x.reshape(-1, 3)[i,1] - xyz0cyl[i,1]的最后一个值。您只能在修复第一个错误后才发现优化没有按预期进行。请参阅How do lexical closures work?了解详情。

更好的方法是在您的能量函数中实际使y轴（即第1列）静止，或者只是将Nx2矩阵传递给i。

使用约束向量到scipy.optimize函数

1 个答案: