Scipy optimize.minimize успешно завершает работу, когда ограничения не выполнены

Question

Я использую scipy.optimize.minimize (документы)

и заметил странное поведение, когда я определяю проблему с невозможностью удовлетворить ограничения. Вот пример:

from scipy import optimize

# minimize f(x) = x^2 - 4x
def f(x):
    return x**2 - 4*x

def x_constraint(x, sign, value):
    return sign*(x - value)

# subject to x >= 5 and x<=0 (not possible)
constraints = []
constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [1, 5]})
constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [-1, 0]})

optimize.minimize(f, x0=3, constraints=constraints)

Результирующий вывод:

fun: -3.0
     jac: array([ 2.])
 message: 'Optimization terminated successfully.'
    nfev: 3
     nit: 5
    njev: 1
  status: 0
 success: True
       x: array([ 3.])

Не существует решения этой проблемы, которое удовлетворяет ограничениям, однако, minimal () успешно возвращается с использованием начального условия в качестве оптимального решения.

Это поведение предназначено? Если да, есть ли способ вызвать сбой, если оптимальное решение не удовлетворяет ограничениям?

Answer 1

Это похоже на ошибку. Я добавил комментарий с вариантом вашего примера к проблеме на github .

Если вы используете другой метод, например COBYLA, функция не сможет найти решение:

In [10]: optimize.minimize(f, x0=3, constraints=constraints, method='COBYLA')
Out[10]: 
     fun: -3.75
   maxcv: 2.5
 message: 'Did not converge to a solution satisfying the constraints. See `maxcv` for magnitude of violation.'
    nfev: 7
  status: 4
 success: False
       x: array(2.5)