我有一个优化问题，其中一个约束是：
（x_i的加权和）=常数。
下面是一个例子：
# Solving: ones @ x -> min
# weights 1D-array (n)
ones = np.ones_like(weights)
coefficient = 1/2 * len(weights) * np.prod(weights)
# constrain I want: weights @ x == coefficient字符串scipy.optimize.linprog需要2D数组作为等式约束的系数矩阵，1D数组作为右边部分的系数矩阵。但在我的例子中，我有1D数组作为系数（可以很容易地转换为对角矩阵）。
我们也有系数在右边的部分，我们不能转换为向量，因为有很多变量的总和是相同的，但值x_i不同，所以我们不能只约束所有x_i值。
你应该怎么做来解决这样的约束问题？
1条答案
按热度按时间neskvpey1#
我明白了。你可以为系数创建二维数组，为右边部分创建一维数组。
字符串
所以基本上你用零填充整个矩阵，右边部分也是，然后你用你的权重和右边部分的一个值填充矩阵的一行。