Python 如何对np.linalg.lstsq强制增加系数约束

我有一个线性方程组

我需要找到最小平方误差的x

具有增加x中元素正值的约束

使用np.linalg.lstsq函数（numpy版本“1.14.2”，python版本“3.6.5”），我无法对系数I设置任何约束。e

>>>A=np.数组（[[4.737,4.673,4.664,4.614,4.614]，
[4.491, 4.377, 4.38 , 4.401, 4.406],
[2.496, 1.689, 1.68 , 1.62 , 1.64 ],
[3.461, 3.136, 2.816, 2.723, 2.551],
[2.814, 2.4  , 2.444, 2.423, 2.436]])
>>>y=np.数组（[4.90909091,4.863636,1.863636,2.6364,3.6364]）
>>>x=np.linalg.lstsq（A，y）
>>>x[0]
数组（[1.27108078，-22.41177441,20.48017772,37.03891117，
-35.2836762 ])

我希望c[0]的值增加

---

我知道我也可以使用scipy.optimize.nnls来获得正系数，但这不会处理“递增系数”约束。

我认为您的问题实际上不是一个经典的线性优化问题（它不是线性的）。我会使用QP（二次规划）求解器。这些都很容易与蟒蛇一起使用抱歉，我的意思是我有一个线性方程组。谢谢，我来看看QP解算器。我认为你的问题不是一个真正的经典线性优化问题（它不是线性的）。我会使用QP（二次规划）求解器。这些都很容易与蟒蛇一起使用抱歉，我的意思是我有一个线性方程组。谢谢，我来看看QP解决方案。