雅可比矩阵伪逆广播错误求解：带梯度变异的ε约束差分进化实现问题

根因定位 #

• 矩阵乘法运算符误用：numpy中*为逐元素广播乘法，要求运算双方维度可广播，无法实现线性代数中的矩阵乘法逻辑，这是触发维度不匹配报错的直接原因。
• 雅可比计算逻辑错误：Jacobian函数的外层循环引用了函数外的变量delta_C获取约束数量，会导致雅可比矩阵维度计算异常，需要替换为函数内部计算得到的约束数量。
• 输出维度适配问题：矩阵乘法得到的扰动向量为二维4×1结构，需要降维为一维数组才能和长度为4的trial向量做运算。

修复代码 #

修正雅可比计算函数 #

def Jacobian(v,delta=0.01):
    C = calculate_C(v)
    Jc = np.zeros(shape=(len(C),len(v)))
    # 修正循环边界为当前函数内计算的约束数量
    for i in range(len(C)):
        for j in range(len(v)):
            aux = np.copy(v)
            aux[j] = v[j]+delta
            C_plus = calculate_C(aux)[i]
            aux[j] = v[j]-delta
            C_minus = calculate_C(aux)[i]
            Jc[i,j] = ((C_plus-C_minus)/(2*delta))
    return Jc

修正变异环节代码 #

trial = np.zeros(4)
inv_Jc = np.linalg.pinv(Jacobian(trial))
delta_C = np.array(calculate_C(trial))
delta_C = delta_C.reshape(len(delta_C),1)
# 替换为矩阵乘法@，并将结果降维为一维数组
trial = trial - (inv_Jc @ delta_C).flatten()

逻辑验证 #

你的场景下约束总数为2个不等式约束+3个等式约束共5个，试验向量维度为4，因此雅可比矩阵为5×4维度，伪逆后为4×5维度，和5×1的delta_C做矩阵乘法正好得到4×1的扰动向量，降维后和trial维度完全匹配，可正常运行。

内容的提问来源于stack exchange，提问作者Darrell Kartrip