scipy.optimize.minimize动态约束生成及求解失效问题排查

故障原因 #

• 约束函数使用了非法的布尔逻辑：改造后的eq_const_1中使用==判断返回True/False布尔值，求和后为离散整数，不符合SLSQP优化器对约束函数连续可导的要求。该函数梯度几乎处处为0，优化器无法找到迭代方向，会直接停在初始值，导致所有约束都未生效。
• 多约束合并逻辑不符合优化器要求：原本的多条约束要求每一对相邻项的比值差严格为0，合并为布尔求和的方式完全改变了约束的数学性质，优化器无法正确解析约束条件。

通用适配实现 #

动态生成与number_periods匹配的约束列表即可，逻辑和硬编码实现完全一致，同时规避lambda延迟绑定的常见坑：

import numpy as np
from scipy.optimize import minimize

clear_payments = np.array([90,100,110,120,130,120,110,100,90])
future_value_of_aim = 470
d_r = 0.12

def discoun_coeff(per,d_r):
    x = np.ones(per+1)
    k = np.empty(per+1)
    for i in range(per+1):
        k[i]=x[i]*(1+d_r)**i
    return k[::-1]

def aim(X):
    return np.sum(X)

def paymets_year(clear_payments, number_periods):
    payments = clear_payments[:number_periods+1]
    X = np.ones(number_periods+1)
    # 初始化约束列表，先加入折现求和等于目标值的约束
    constraints = [
        {'type':'eq', 'fun': lambda x: np.sum(x*discoun_coeff(number_periods,d_r))-future_value_of_aim}
    ]
    # 动态生成相邻项比值相等的约束，用参数默认值捕获当前索引，避免lambda延迟绑定问题
    for i in range(number_periods):
        constraints.append(
            {'type':'eq', 'fun': lambda x, idx=i: (payments[idx]/x[idx] - payments[idx+1]/x[idx+1])}
        )
    bounds = ((0,70),)*(number_periods+1)
    res = minimize(aim, X, method='SLSQP', constraints=constraints, bounds=bounds)
    return res.x

# 测试验证
number_periods = 6
p = paymets_year(clear_payments, number_periods)
print(p)

运行后输出结果和原硬编码实现完全一致：

[38.34895684 42.60995205 46.87094726 51.13194246 55.39293767 51.13194246 46.87094726]

内容的提问来源于stack exchange，提问作者Anton Dorogov