使用python优化具有多个输出的函数scipy.optimize.minimize公司

Question

我在网上搜索了一下，没有找到任何解决这个问题的方法，所以我决定在这里正式提问。在

我有一个有多个输出的函数：

f(input1,input2,... ,inputn) = output1,ouput2,output3

我希望最小化output1约束其他输出，例如：

^{pr2}$

我的想法是有以下程序结构：

def function(input1,input2,...,inputn):
    #very secret part of code
    return(output1,ouput2,output3)

inputs=[1,31,22]
_res = optimize.minimize(function, inputs,  method='nelder-mead', 
options=options,*constraints*)

现在我认为答案应该在Scipy^{}函数的文档中找到。在

事实上，据我所知，我只能约束我的函数输入，而不能约束函数的某些输出。我错过了什么？在

Answer 1

下面是一个带约束的优化示例：

from scipy.optimize import minimize

def f(xy):
    x, y = xy 
    return x**2 + y**2

def constraint1(xy):
    x, y = xy 
    return x-1

def constraint2(xy):
    x, y = xy 
    return y-2

constraints = ({'type': 'ineq', 'fun': constraint1},
               {'type': 'ineq', 'fun': constraint2})

xy_start = [0, 0]
res = minimize(f, xy_start, method='SLSQP', constraints=constraints)

它给出了：

^{pr2}$

其思想是要最小化的函数是标量良好的：返回的值必须是output1。为了定义每个约束，必须添加其他函数：constraint1(inputs)->output2，constraint2(inputs)->output3。。。等等

也许你可以把代码的“非常秘密的部分”分成不同的函数，目标函数和约束函数都会用到这些函数