Python SciPy optimize.LinearConstraint用法及代碼示例

本文簡要介紹 python 語言中 scipy.optimize.LinearConstraint 的用法。

用法:

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

對變量的線性約束。

約束具有一般不等式形式：

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

這裏，自變量 x 的向量作為形狀為 (n,) 的 ndarray 傳遞，矩陣 A 的形狀為 (m, n)。

可以使用等界來表示等式約束，或使用無限界來表示單側約束。

參數 ：：

A： {數組, 稀疏矩陣}, 形狀 (m, n)

定義約束的矩陣。

lb, ub： 密集數組，可選

約束的下限和上限。每個數組必須具有形狀 (m,) 或為標量，在後一種情況下，約束的所有分量的界限都相同。使用np.inf用適當的符號來指定單方麵的約束。設置組件磅和ubequal 表示等式約束。請注意，您可以通過設置不同的組件來混合不同類型的約束：間隔、單邊或相等磅和ub有必要的。默認為lb = -np.inf和ub = np.inf(無限)。

keep_feasible： 類似於 bool 的密集數組，可選

是否在整個迭代過程中保持約束組件可行。單個值為所有組件設置此屬性。默認為假。對等式約束沒有影響。