Python SciPy optimize.LinearConstraint用法及代码示例

本文简要介绍 python 语言中 scipy.optimize.LinearConstraint 的用法。

用法:

class  scipy.optimize.LinearConstraint(A, lb=-inf, ub=inf, keep_feasible=False)#

对变量的线性约束。

约束具有一般不等式形式：

lb <= A.dot(x) <= ub

这里，自变量 x 的向量作为形状为 (n,) 的 ndarray 传递，矩阵 A 的形状为 (m, n)。

可以使用等界来表示等式约束，或使用无限界来表示单侧约束。

参数 ：：

A： {数组, 稀疏矩阵}, 形状 (m, n)

定义约束的矩阵。

lb, ub： 密集数组，可选

约束的下限和上限。每个数组必须具有形状 (m,) 或为标量，在后一种情况下，约束的所有分量的界限都相同。使用np.inf用适当的符号来指定单方面的约束。设置组件磅和ubequal 表示等式约束。请注意，您可以通过设置不同的组件来混合不同类型的约束：间隔、单边或相等磅和ub有必要的。默认为lb = -np.inf和ub = np.inf(无限)。

keep_feasible： 类似于 bool 的密集数组，可选

是否在整个迭代过程中保持约束组件可行。单个值为所有组件设置此属性。默认为假。对等式约束没有影响。