К основному содержанию
скилл CX Codex

constrained-optimization — скилл для Claude Code: разбор

Скилл constrained-optimization помогает Claude Code решать задачи условной оптимизации: классифицировать ограничения, строить функции Лагранжа и проверять условия ККТ. Пригодится при аналитических и численных расчётах.

MIT ★ 3 951 обновлён 2026-01-26

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add parcadei/Continuous-Claude-v3 --skill constrained-optimization -a claude-code
Открыть на GitHub

Что делает constrained-optimization

Скилл задаёт для Claude Code пошаговое дерево решений при работе с равенствами, неравенствами и границами параметров. Агент определяет тип ограничений, применяет метод множителей Лагранжа для систем уравнений либо переходит к условиям Каруша — Куна — Таккера с проверкой взаимодополняющей нежёсткости. Для численного поиска минимума предлагаются штрафные функции, барьерные методы и алгоритм SLSQP из библиотеки scipy.optimize.

Встроенные шаблоны команд рассчитаны на запуск через uv run python. Скилл обращается к скриптам sympy_compute.py и z3_solve.py через раннер runtime.harness, а также вызывает однострочники с minimize.

Для аналитических проверок скриптам в проекте понадобятся установленные пакеты scipy, sympy и z3. Без окружения Python и модуля runtime.harness автоматический запуск решений завершится ошибкой.

Какие задачи решает

  • Классифицировать ограничения задачи на равенства, неравенства и границы диапазонов
  • Найти аналитическое решение через множители Лагранжа в sympy
  • Доказать выполнимость условий ККТ с помощью солвера z3
  • Настроить численный поиск минимума методом SLSQP в scipy.optimize

Примеры запросов агенту

  • Реши задачу минимизации x^2 + y^2 при ограничении x + y = 1 через множители Лагранжа
  • Проверь условия ККТ и взаимодополняющую нежёсткость для неравенств в моей модели
  • Построй запуск scipy.optimize.minimize с методом SLSQP и граничными условиями

Как установить constrained-optimization

1Через Skills CLI (Vercel)

npx skills add parcadei/Continuous-Claude-v3 --skill constrained-optimization -a claude-code

2Вручную: положить файлы

~/.claude/skills/constrained-optimization/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/constrained-optimization/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о constrained-optimization

Как установить constrained-optimization в Claude Code?

Выполните команду npx skills add parcadei/Continuous-Claude-v3 --skill constrained-optimization -a claude-code. Также можно вручную поместить файл по пути ~/.claude/skills/constrained-optimization/SKILL.md.

Что делает скилл constrained-optimization?

Он даёт агенту инструкции по решению задач оптимизации с ограничениями. Скилл описывает переход от уравнений Лагранжа к условиям ККТ, штрафным функциям и численному методу SLSQP.

Какие инструменты нужны для выполнения проверок из скилла?

Нужен пакетный менеджер uv и Python с библиотеками scipy, sympy и z3. Часть команд обращается к скриптам sympy_compute.py и z3_solve.py внутри проекта.

Исходный текст

SKILL.md · MIT
---
name: constrained-optimization
description: "Problem-solving strategies for constrained optimization in optimization"
allowed-tools: [Bash, Read]
---

# Constrained Optimization

## When to Use

Use this skill when working on constrained-optimization problems in optimization.

## Decision Tree


1. **Constraint Classification**
   - Equality: h(x) = 0
   - Inequality: g(x) <= 0
   - Bounds: l <= x <= u

2. **Lagrangian Method (Equality Constraints)**
   - L(x, lambda) = f(x) + sum lambda_j * h_j(x)
   - Solve: grad_x L = 0 and h(x) = 0
   - `sympy_compute.py solve "grad_L_system"`

3. **KKT Conditions (Inequality Constraints)**
   - Extend Lagrangian with mu_i for g_i(x) <= 0
   - Complementary slackness: mu_i * g_i(x) = 0
   - `z3_solve.py prove "kkt_satisfied"`

4. **Penalty and Barrier Methods**
   - Penalty: add P(x) = rho * sum max(0, g_i(x))^2
   - Barrier: add B(x) = -sum log(-g_i(x)) for interior point
   - Increase penalty/decrease barrier parameter iteratively

5. **SciPy Constrained Optimization**
   - `scipy.optimize.minimize(f, x0, method='SLSQP', constraints=cons)`
   - constraints = [{'type': 'eq', 'fun': h}, {'type': 'ineq', 'fun': lambda x: -g(x)}]
   - bounds = [(l1, u1), (l2, u2), ...]


## Tool Commands

### Scipy_Slsqp
```bash
uv run python -c "from scipy.optimize import minimize; cons = dict(type='eq', fun=lambda x: x[0] + x[1] - 1); res = minimize(lambda x: x[0]**2 + x[1]**2, [1, 1], method='SLSQP', constraints=cons); print('Min at', res.x)"
```

### Sympy_Lagrangian
```bash
uv run python -m runtime.harness scripts/sympy_compute.py solve "[2*x - lam, 2*y - lam, x + y - 1]" --vars "[x, y, lam]"
```

### Z3_Kkt_Satisfied
```bash
uv run python -m runtime.harness scripts/z3_solve.py prove "complementary_slackness"
```

## Key Techniques

*From indexed textbooks:*

- [nonlinear programming_tif] Conjugate Direction Methods** - Methods involving directions conjugate to each other with respect to a certain quadratic form, enhancing efficiency in finding minima. Quasi-Newton Methods** - Variants of Newton’s method that approximate the Hessian matrix. Nonderivative Methods** - Address optimization methods that don’t require derivative information.
- [nonlinear programming_tif] Optimization Over a Convex Set** - Focuses on optimization problems constrained within a convex set. Optimality Conditions:** Similar to unconstrained optimization, but within the context of convex sets. Feasible Directions and Conditional Gradient** - Explores methods that ensure feasibility within constraints.
- [nonlinear programming_tif] In this chapter we consider the constrained optimization problem minimize f(z) subject to z € X, where we assume throughout that: (a) X is a nonempty and convex subset of 2. When dealing with algo- rithms, we assume in addition that X is closed. The function f: %™ — R is continuously differentiable over X.
- [nonlinear programming_tif] The methods for obtaining lower bounds are elaborated on in Section 5. Lagrangian relaxation method is discussed in detail. This method requires the optimization of nondifferentiable functions, and some of the major relevant algorithms, subgradient and cutting plane methods, will be discussed in Chapter 6.
- [nonlinear programming_tif] The image depicts a three-dimensional graphical representation, likely related to linear algebra or optimization. Key elements include: - **Axes**: Three intersecting axes are shown, suggesting a three-dimensional coordinate system. Equation and Constraints**: A linear equation `{x | Ax = b, x ≥ 0}` is noted, indicating a system or set of constraints.

## Cognitive Tools Reference

See `.claude/skills/math-mode/SKILL.md` for full tool documentation.

© parcadei · MIT · parcadei/Continuous-Claude-v3

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
scipy-best-practices Mindrally Скилл scipy-best-practices для Claude Code задаёт агенту правила научных вычислений на SciPy: оптимизация, линейная алгебра, статистика, сигналы. Покрывает Python-код, который считает числа. CX Codex +1 1 100установок scipy-curve-fit benchflow-ai Скилл scipy-curve-fit обучает агента подбирать параметры нелинейных моделей по экспериментальным данным через scipy.optimize.curve_fit. CX Codex +1 2установок Jacobian morluto MCP-сервер Jacobian для Claude Code и Codex. Даёт агенту типизированные математические операции: найти нужную, выполнить и передать результат дальше. Вычисляет точно, а не приблизительно. CX Codex +1 ★ 375звёзд репо site-logistics-optimization datadrivenconstruction Скилл site-logistics-optimization оптимизирует логистику строительной площадки: расписание доставок материалов, позиционирование кранов, распределение складских зон и движение техники. CX Codex +1 118установок cuopt-numerical-optimization-formulation NVIDIA cuOpt Team Скилл cuopt-numerical-optimization-formulation помогает перейти от текстового описания задачи к формулировке LP, MILP или QP: переменные, ограничения, цель. Без кода API. CX Codex +1 2 200установок matplotlib K-Dense-AI Скилл для построения и тонкой настройки научных графиков на Matplotlib: от отдельных осей до многопанельных фигур и экспорта в PNG, PDF и SVG. CX Codex +1 2 500установок

Из того же набора161

Весь набор →
convex-optimization Скилл convex-optimization для работы с задачами выпуклой оптимизации. Включает проверку выпуклости, классификацию задач и применение методов на основе KKT-условий. CX Codex +1 ★ 3 951звёзд репо connectedness Скилл connectedness для Claude Code с методами решения задач о связности топологических пространств. CX Codex +1 ★ 3 951звёзд репо analytic-functions Скилл analytic-functions для Claude Code решает задачи комплексного анализа: проверяет аналитичность функций, верифицирует уравнения Коши—Римана, находит степенные ряды и аналитические продолжения. CX Codex +1 ★ 3 951звёзд репо math-intuition-builder Скилл math-intuition-builder для Claude Code разбирает математические концепции через примеры, визуализацию и аналогии. Строит интуицию до вычислений. CX Codex +1 ★ 3 951звёзд репо integration-theory Скилл integration-theory для Claude Code помогает решать задачи интегрирования в теории меры: от простых функций до теорем о сходимости, леммы Фату и формул Фубини—Тонелли. CX Codex +1 ★ 3 951звёзд репо math-progress-monitor Скилл math-progress-monitor для Claude Code оценивает ход решения математической задачи и помогает решить, продолжать ли текущий подход или сменить его. Запускается фразами вроде «я застрял» или «правильно ли я иду». CX Codex +1 ★ 3 951звёзд репо rings Скилл rings для Claude Code с методиками решения задач на кольца в абстрактной алгебре. Помогает проверять аксиомы колец, анализировать свойства и работать с идеалами через Z3 и SymPy. CX Codex +1 ★ 3 951звёзд репо critic Субагент critic проверяет функции и реализации: ищет ошибки, пробелы в тестах и отклонения от паттернов проекта. Результат записывает в Markdown-файл. CX Codex ★ 3 951звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой