tf.contrib.constrained_optimization.find_best_candidate_distribution

Находит распределение, минимизирующее целевую функцию при соблюдении ограничений.

tf.contrib.constrained_optimization.find_best_candidate_distribution(
    objective_vector, constraints_matrix, epsilon=0.0
)

Эта функция обрабатывает ограниченную задачу:

минимизировать f(w) при условии g_i(w) ≤ 0 для всех i в {0,1,...,m-1}

Здесь f(w) — «целевая функция», а g_i(w) — i-я (из m) «функция ограничения». Учитывая набор из n «кандидатских решений» {w₀,w₁,...,w_n-1}, эта функция находит распределение по этим n кандидатам, которое в ожидании минимизирует целевую функцию, нарушая ограничения минимально возможным образом (величина определяется с помощью поиска методом бисекции).

Параметр objective_vector должен быть массивом numpy с формой (n,), для которого objective_vector[i] = f(w_i). Аналогично, constraints_matrix должен быть массивом numpy с формой (m,n), для которого constraints_matrix[i,j] = g_i(w_j).

Эта функция вернёт распределение, для которого не более m+1 вероятностей, и часто меньше, отличны от нуля.

Для более подробной информации обратитесь к:

Cotter, Jiang и Sridharan. «Двухпользовательские игры для эффективной оптимизации невыпуклых ограниченных задач». https://arxiv.org/abs/1804.06500

Эта функция реализует подход, описанный в лемме 3.