from scipy.optimize import minimize

求解

官方說(shuō)明文檔

簡(jiǎn)單開一下開頭

?官方下面有例子會(huì)讓人容易明白

注意我們的目的是：為了求出讓fun函數(shù)最小的最優(yōu)解x

當(dāng)遇見目標(biāo)函數(shù)fun帶了很多外來(lái)參數(shù)的時(shí)候

以及約束很多很多假設(shè)有100個(gè)的時(shí)候，怎么實(shí)現(xiàn)呢

1、優(yōu)化函數(shù)帶參數(shù)

但是當(dāng)fun函數(shù)是帶參數(shù)的時(shí)候怎么辦呢，參數(shù)當(dāng)然可以是一個(gè)數(shù)，也可能是數(shù)組矩陣等。

比如說(shuō)我們可以隨便定義一個(gè)目標(biāo)函數(shù)：

def fun(x, funarg1, funarg2):loss1 = funarg1.dot(x)loss2 = (x[0]?-?max(funarg2))**2?+?(x[1]?-?2.5)**2return loss1 + loss2

2、當(dāng)有很多很多約束，可以采用約束也帶參數(shù)的方法

注意：eq表示 本約束函數(shù)目標(biāo)等于0 ； ineq 表示 約束函數(shù)目標(biāo)大于等于0

網(wǎng)上多數(shù)例子的約束都是不帶參數(shù)的，只有x本身，約束函數(shù)也想要帶參數(shù)該怎么寫

相當(dāng)于要構(gòu)建很多個(gè)約束，總不能全都一個(gè)寫吧

例如的實(shí)現(xiàn)方法

cons_temp?= []for carg1, carg2, carg3 in arg_all:cons_temp.append({'type':?'ineq',?'fun':?lambda?x, carg1:??x[0]?-?2?*?x[1]?+?carg1, 'args':?(carg1)},{'type':?'ineq',?'fun':?lambda?x, carg2, carg3:?-x[0]?- carg2 + carg3, ?'args':?(carg2, carg3)})cons?= tuple(cons_temp)

3、求解上面目標(biāo)函數(shù)及約束

res?=?minimize(fun,?x0,?args=(funarg1, funarg2), constraints=cons)

x0是x初始猜測(cè)值

res.x就是求解的結(jié)果

總結(jié)

以上是生活随笔為你收集整理的scipy minimize当目标函数需要参数、当约束条件特别特别多时的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。