最優化算法python實現篇（2）——無約束一維極值（二分法）

• 算法適用問題
• python實現
• 示例運行結果

算法適用問題

搜索給定單峰區間的極值問題，一般對凸優化問題比較適用。

python實現

# # ******************************** 無約束一維極值——二分法 ******************************** import pandas as pd import numpy as np from advance_retreat_method import advance_retreat_method from scipy.misc import derivative class Minimize_Dichotomy(object):"""func:為目標函數，必傳參數eps：迭代精度 默認1e-6x0：初始區間。若不傳這個參數，則會調用進退法求取一個單峰區間。from advance_retreat_method import advance_retreat_method 這個模塊在本人博客優化版塊的第一篇文章 """def __init__(self,**kargs):self.func = kargs["func"]if "x0" in kargs.keys():self.x0 = np.array(kargs["x0"])else:self.x0 = np.array(advance_retreat_method(kargs["func"]).run())if "eps" in kargs.keys():self.eps = kargs["eps"]else:self.eps = 1e-6def run(self):x_mean = np.mean(self.x0)y_mean = derivative(self.func,x_mean,dx = 1e-6)if derivative(self.func,self.x0[0],dx = 1e-6)*y_mean < 0:self.x0[1] = x_meanelse:self.x0[0] = x_meanif np.abs(self.x0[0]-self.x0[1]) < self.eps or y_mean == 0:return ((x_mean,self.func((self.x0[0]+self.x0[1])/2)))else:return self.run() if __name__ == "__main__":result = Minimize_Dichotomy(func = lambda x:x**2+2*x-150).run()print(result)

示例運行結果

by CyrusMay 2020 05 01

幸福不是多而是遺忘
能遺忘生命的煩惱憂傷

——五月天（Enrich your life）——

總結

以上是生活随笔為你收集整理的最优化算法python实现篇（2）—无约束一维极值（二分法）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。