Python Scipy SLSQP约束优化并不总是有效的

我正在尝试使用scipy.optimize.minimize和SLSQP方法最小化函数。但有时，对于完全相同的输入，它会出现错误消息“超过迭代限制”或“linesearch的正向导数”

刚刚发生的例子：我让它在Flask服务器上运行，所以我初始化了它并发送了一个请求，但它没有通过迭代限制。我在没有关闭烧瓶的情况下发送了很多相同的请求，但每一个都失败了。然后，我重新启动了烧瓶。突然，所有的请求都被成功地优化了，我不断地发送它们，它们从未失败过。但是如果我再次重新启动烧瓶，它可能会停止工作，或者不工作，这似乎是随机的，但是如果它工作一次，它将永远工作，直到服务器重新启动

但是，即使优化器失败的是一个服务器实例，它仍然适用于不太复杂的输入

问题背景：我试图优化的是股票市场投资组合，考虑到波动性等约束条件。它通常在超过50万美元时失败

con = {"type": "eq", "fun": self.sum}
con2 = {"type": "ineq", "fun": self.volatility_ceiling}
con3 = {"type": "ineq", "fun": self.volatility_floor}
cons = (con, con2, con3)

#allocation_list is a list of percentages for each stock in the portfolio

optimized_result = minimize(self.gain, allocation_list, constraints=cons, bounds=self.bounds, method="SLSQP", options={"maxiter": 400})

def gain(self, allocation_list):
    gain_list = [get_gain(id) for id in self.id_list]
    gain_avg = np.average(gain_list, weights=allocation_list)
    return (gain_avg) * (-1)

def sum(self, allocation_list):
    return np.sum(allocation_list) - 1

def volatility_ceiling(self, allocation_list):
    standard_dev = self.vol_portfolio(lista_aloc)
    if self.current_risk_profile == "PROFILE_1":
        return (standard_dev * (-1)) + 0.009
    elif self.current_risk_profile == "PROFILE_2":
        return (standard_dev * (-1)) + 0.011
    elif self.current_risk_profile == "PROFILE_3":
        return (standard_dev * (-1)) + 0.015
    elif self.current_risk_profile == "PROFILE_4":
        return (standard_dev * (-1)) + 0.024
    #The function continues until PROFILE_10

def volatility_ceiling(self, allocation_list):
    standard_dev = self.vol_portfolio(allocation_list)
    if self.current_risk_profile == "PROFILE_1":
        return standard_dev - 0.0
    elif self.current_risk_profile == "PROFILE_2":
        return standard_dev - 0.009
    elif self.current_risk_profile == "PROFILE_3":
        return standard_dev - 0.011
    elif self.current_risk_profile == "PROFILE_4":
        return standard_dev - 0.015
    #The function continues until PROFILE_10

---

我建议您修改模型中美元的“单位”。例如，在表示预算时，将“美元”改为“数千美元”。为此，请使用“500”而不是“500000”，并相应地解释结果。例如，如果从可用预算中向资产分配“3.5”个单位，则对应3500美元，依此类推

作为一般的模型原理，如果数字的数值范围很广，则模型的比例会很差，这会引发数值问题。大多数商业优化器都会发出警告，提醒您采取措施来改进伸缩性。如果模型是线性的，有或没有整数变量，优化器通常会尝试改进缩放本身。比如说,

---

对于黑匣子类型的非线性模型，这些功能可能不可用。

可以肯定的是，问题会在其他地方找到。SLSQP应该是确定性的。在代码中寻找不确定的部分。老实说：一个没有代码的问题通常不是很好。当然，SLSQP可能会决定性地失败，但这是特定于问题/用法的。市场投资组合的，嗯，我认为其中很多都是凸问题，人们不会使用SLSQP。但是谁知道你到底在做什么呢。谢谢，我已经用代码更新了我的问题。