具有多变量和可变变量的Python优化

我是Python新手，希望找到一个具有大量约束的优化解决方案，这些约束基于输出函数

前两个约束很简单：

1）

output1+output2+output3=1

2） output1、output2和output3都必须大于等于0

最后一个约束要求输出函数相等：

3）

f（output1）==f（output2）==f（output3）

在这种情况下，函数数组由输出的矩阵乘法产生：

F = cov.dot(array([output1,output2,output3]))*array([output1,output2,output3])

f(output1) = F[0], f(output2) = F[1], f(output3) = F [2]

希望我已经清楚地描述了这个问题。。。最终，我想将其扩展到3个以上的输出。 下面给出的输出值似乎根本不符合约束条件（给我一个负值）。我想我输入的约束是错误的。。。或者有一种更简单的方法可以使用

np.linalg.solve

import numpy as np
from scipy.optimize import fsolve

cov=np.array([0.04,0.0015,0.03,0.0015,0.0025,0.000625,0.03,0.000625,0.0625]).reshape(3,3)

weights=np.array([0.3,0.2,0.5])

def RC(w):
    return cov.dot(w)*w

riskcont = RC(weights)

def PV(riskcont):
    return np.sqrt(riskcont.sum())

portvol = PV(riskcont)    

def ERC(z):

    w1=z[0]
    w2=z[1]
    w3=z[2]
    #1) weights sum to 100%
    out=w1 +w2 +w3 -1
    #2) weights above zero
    out.append((w1*w2*w3)>0)
    #3) riskcont must all be equal
    out.append([riskcont[0] == riskcont[1] == riskcont[2]] #== riskcont(w4)))

    return out

z= fsolve(ERC,[1/3,1/3,1/3])

---

上面的第行开始

out.append（[riskcont[0]==etc.

缺少a）结尾处我也是初学者，但是：，你在使用python 2.7吗？如果是，那么1/3是整数除法=0

out.append（（w1*w2*w3）

至少是你的一个问题。这行需要的是偶数的权重为负数。（即（-1*-1*1）=（1*1*1））此外，

riskcont

在脚本运行时从不更改。使用Python 3.5（和Anaconda 4.1.1）是的，这是一种捷径-无法找到将多个条件放入一个约束中的方法…

w1&w2&w3>=0

也不起作用。您知道其他方法吗？上面的第行开始是

out.append([riskcont[0]==等。

结尾处缺少a）我也是初学者，但是：，你使用的是python 2.7吗？如果是，那么1/3是整数除法=0

out。追加（（w1*w2*w3）>0）

至少是你的一个问题。这行所需要的是偶数的权重为负数。（即（-1*-1*1）=（1*1））另外，

riskcont

在脚本运行时从不更改。使用Python 3.5（和Anaconda 4.1.1）是的，这是一种捷径-无法找到将多个条件放入一个约束中的方法…

w1&w2&w3>=0

也不起作用。您知道其他方法吗？