本文介绍了如何为差分进化增加几个约束？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我的问题与this question中的问题相同，但我不想只向优化问题添加一个约束，而是希望添加多个约束。
所以，例如，我想在x1和x2的和小于5和x2小于3的约束下最大化x1 + 5 * x2(不用说，实际问题要复杂得多，不能像这个问题那样抛到scipy.optimize.minimize中；它只是用来说明问题...)。
我可以对付这样的丑陋黑客：
from scipy.optimize import differential_evolution
import numpy as np
def simple_test(x, more_constraints):
# check wether all constraints evaluate to True
if all(map(eval, more_constraints)):
return -1 * (x[0] + 5 * x[1])
# if not all constraints evaluate to True, return a positive number
return 10
bounds = [(0., 5.), (0., 5.)]
additional_constraints = ['x[0] + x[1] <= 5.', 'x[1] <= 3']
result = differential_evolution(simple_test, bounds, args=(additional_constraints, ), tol=1e-6)
print(result.x, result.fun, sum(result.x))
这将打印
[ 1.99999986 3. ] -16.9999998396 4.99999985882
不出所料。
有没有更好/更直接的方法来添加多个约束，而不是使用相当"危险"的eval？
推荐答案
示例如下：：
additional_constraints = [lambda(x): x[0] + x[1] <= 5., lambda(x):x[1] <= 3]
def simple_test(x, more_constraints):
# check wether all constraints evaluate to True
if all(constraint(x) for constraint in more_constraints):
return -1 * (x[0] + 5 * x[1])
# if not all constraints evaluate to True, return a positive number
return 10
这篇关于如何为差分进化增加几个约束？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！