Scipy 最小化：如何将 args 传递给目标和约束

Question

我的 MWE 如下

def obj(e, p):
    S = f(e) + g(p)
    return S

我想仅最小化此函数e并将其p作为参数传递给该函数。不过，我也想依赖于约束p，并e认为是形式p + e < 1

我试过

cons = {'type': 'ineq',
       'fun': lambda e, p: -e -p + 1,
       'args': (p)}

然后，对于以下情况，我尝试将其最小化 p = 0.5

minimize(obj, initial_guess, method = 'SLSQP', args = 0.5, constraints = cons)

但这不起作用。我name 'p' is not defined在定义的行中收到错误cons。如何将参数传递p给目标函数和约束？

---

完整代码如下

from scipy.optimize import minimize
from scipy.stats import entropy
import numpy as np

#Create a probability vector
def p_vector(x):
    v = np.array([x, 1-x])
    return v


#Write the objective function 
def obj(e, p):
    S = -1*entropy(p_vector(p + e), base = 2) 
    return S

##Constraints
cons = {'type': 'ineq',
       'fun': lambda e: -p - e + 1,
       'args': (p,)
       }

initial_guess = 0

result = minimize(obj, initial_guess, method = 'SLSQP', args = (0.5, ), constraints = cons)
print(result)

Answer 1

好的，我认为这是我的语法错误以及应该如何传递参数的混合。对于那些可能有相同问题的人，我会在这里发布答案。

目标函数是obj(e, p)。我们只想最小化，e所以我们创建了一个其他参数的元组arguments = (0.5,)。即，设定了特定的值p=0.5。接下来定义约束函数

def prob_bound(e, p):
    return -e - p + 1

现在将约束字典写为

cons = ({'type': 'ineq',
       'fun': prob_bound,
       'args': arguments       
       })

最后，调用最小化器

result = minimize(obj, initial_guess, method = 'SLSQP', args = arguments, constraints = cons)