from scipy.optimize import minimize

求解

官方說明文檔

簡單開一下開頭

?官方下面有例子會讓人容易明白

注意我們的目的是：為了求出讓fun函數最小的最優解x

當遇見目標函數fun帶了很多外來參數的時候

以及約束很多很多假設有100個的時候，怎么實現呢

1、優化函數帶參數

但是當fun函數是帶參數的時候怎么辦呢，參數當然可以是一個數，也可能是數組矩陣等。

比如說我們可以隨便定義一個目標函數：

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

2、當有很多很多約束，可以采用約束也帶參數的方法

注意：eq表示 本約束函數目標等于0 ； ineq 表示 約束函數目標大于等于0

網上多數例子的約束都是不帶參數的，只有x本身，約束函數也想要帶參數該怎么寫

相當于要構建很多個約束，總不能全都一個寫吧

例如的實現方法

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、求解上面目標函數及約束

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

x0是x初始猜測值

res.x就是求解的結果

總結

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。