动态条件下的Scipy优化函数
是指使用Scipy库中的优化函数来解决在动态条件下的优化问题。Scipy是一个开源的科学计算库，其中包含了许多优化算法，能够帮助开发人员解决各种优化问题。
Scipy库提供了多种优化函数，其中包括用于动态条件下的优化的函数。在动态条件下的优化问题中，目标函数和约束条件可能会随着时间、位置、温度等条件的变化而变化。因此，需要使用能够处理动态条件的优化函数来解决这类问题。
Scipy中常用的动态条件下的优化函数包括：
- minimize函数：该函数用于求解无约束的优化问题，可以通过设置不同的参数来选择不同的优化算法，例如使用BFGS算法或L-BFGS-B算法。 推荐的腾讯云相关产品：云服务器CVM、弹性伸缩AS、负载均衡CLB、云数据库TencentDB 产品介绍链接
- minimize_constraints函数：该函数用于求解带有约束条件的优化问题，可以通过设置不同的参数来选择不同的优化算法和约束条件的处理方法。 推荐的腾讯云相关产品：云服务器CVM、弹性伸缩AS、负载均衡CLB、云数据库TencentDB 产品介绍链接
- differential_evolution函数：该函数用于求解全局优化问题，适用于目标函数非凸或约束条件非线性的情况。 推荐的腾讯云相关产品：容器服务TKE、云数据库TencentDB、对象存储COS、人工智能计算平台AI 产品介绍链接
- basinhopping函数：该函数用于求解局部最小值问题，通过不断搜索可能的最小值来寻找全局最小值。 推荐的腾讯云相关产品：容器服务TKE、云数据库TencentDB、对象存储COS、人工智能计算平台AI 产品介绍链接
这些优化函数在动态条件下的优化问题中具有广泛的应用场景，例如在实时物联网系统中的资源优化、智能交通系统中的路径规划、金融领域的风险管理等。使用Scipy的优化函数，开发人员可以针对具体问题选择合适的算法，并通过调整参数来优化问题的求解过程。
总结：动态条件下的Scipy优化函数是指使用Scipy库中的优化函数来解决在动态条件下的优化问题。Scipy提供了多种优化函数，可以根据具体需求选择合适的函数和算法，并结合腾讯云相关产品来实现优化问题的求解。
相关·内容
我想使用like优化例程，以便在应用一些约束的同时最小化函数。我想应用拉格朗日乘数法，但我想我遗漏了一些东西。
我的简单示例:最小化f(x，y)=x^2+y^2，同时保留约束: y=x+4.0
import numpy as np
from scipy.optimize import fmin_bfgs
#X=[x,y,l]
def f(X):
x=X[0]
y=X[1]
return x**2+y**2
def g(X):
x=X[0]
y=X[1]
return y-x-4.000
def L(X):
l=X[2]
return f(X
浏览 1提问于2018-06-19得票数 1
回答已采纳
我正在运行我编写的一段Python代码，它涉及到使用scipy.optimize.minimize method=‘信任-constr’。优化涉及一组线性约束，我使用scipy.optimize.LinearConstraint传递给Python，其中传递一个矩阵(变量系数矩阵)和两个向量(每个约束的下界和上界)。
它运行了三次，每次参数的初始值不同，但第四次由于NaN而崩溃。经过几个小时的搜索，我发现了一个问题:最小化函数(毫不奇怪)需要多次调用要最小化的函数。有一次它被调用，深入到minimize操作中(肯定超过了起始点x0)，传递给目标函数的参数之一具有nan值。
我想知道，信任成本如何
浏览 4提问于2020-08-18得票数 0
我使用的是python的pp模块。我需要做的是并行运行"scipy.optimize“的"fmin”函数。我像这样导入fmin：
from scipy.optimize import fmin
接下来，我定义一个函数来执行fmin函数，如下所示：
def fitting():
v = fmin(e, v0, args=(x,y),maxiter=10000, maxfun=10000)
return v
为了让它并行运行，我使用了：
job5 = job_server.submit(fitting, (e, v0, x, y,), (fitting,), ("scipy
浏览 1提问于2012-12-11得票数 2
我试图使用scipy.optimize进行一些简单的优化问题，但我发现我只能在非常有限的起始值范围内找到解决方案。下面是一个可复制的最小示例：
import numpy as np
import scipy.stats as st
from scipy.optimize import minimize
p = np.linspace(0, 1, 100)
neg_likelihood = lambda p: -1 * st.binom.pmf(6, n=9, p=p)
minimize(neg_likelihood, 0.3)
neg_likelihood函数的形状如下图所示，因此正确的答案
浏览 1提问于2016-04-02得票数 1
回答已采纳
我的代码如下(我怀疑您是否需要它，但我提供了一切)：
import numpy
from scipy import fsolve
from dataclasses import dataclass
@dataclass
class Localize:
receivers: list
@staticmethod
def equations(p, *times):
x, y, z, t = p
t0, t1, t2, t3, \
ax, ay, az, \
bx, by, bz, \
c
浏览 0提问于2020-11-17得票数 0
回答已采纳
我有一个类可以帮助实例化统计模型。它的一些数据成员是参数。我正在尝试编写一个优化这些参数的方法。目标函数基于似然函数的负值。该似然函数本身被实现为类方法，它在计算中使用类数据成员的值。
我知道这是不好的风格，但是每次目标函数被scipy.optimize.minimize()调用时，它都会将对象数据成员更改为更好的对象数据成员。我不太关心为什么这是坏的，而更关心的是为什么这是行不通的。代码下面是完整的回溯。
它似乎部分起作用了。它在测试数据上运行几秒钟，然后触发我的断言。当minimize()的优化接近尾声时，它似乎做了一些奇怪的事情。为什么它会试图将不同类型的参数传递给目标函数obj_fun
浏览 0提问于2015-04-25得票数 0
回答已采纳
1回答
以最公平的方式分配资源
、、、
在做一个个人项目时，我遇到了一个问题，我将尝试在这里概括一下。
给出一个不同价值的资源列表(例如resources = [1, 0.8, 1.5, 0.8, 1.2...])，我想以一种尽可能公平的方式在一组N个人之间分享它们(即没有人最终积累了太多的价值，而其他人的价值太少了)。
我假设解决这个问题的一个好方法是最小化函数：
f(r1,...,rN) = (avg - r1)^2 + (avg - r2)^2 + ... + (avg - rN)^2
其中avg = sum(resources) / N和rx是分配给person x的资源。
我偶然发现了scipy.optimize.mini
浏览 0提问于2019-06-22得票数 0
1回答
在进行更复杂的操作之前，我很难优化一个非常简单的函数作为测试用例。我尝试过不同的优化方法，给这个方法一个界，甚至给出精确的解作为初始猜测。
我正在尝试优化的函数：f(x) = 1 / x - x
这是我的代码：
import scipy
def testfun(x): return (1 / x - x)
sol = scipy.optimize.minimize(testfun, 1).x
它返回大量数字(3.2个e+08)作为解决方案。
我是否不正确地使用优化函数？
浏览 2提问于2016-10-05得票数 0
回答已采纳
我有一个自定义损失f =x+y，其中我有这样的约束:当优化f时，x应该在(0.10，0.2)的范围内，y应该在(0.6，0.1)的范围内，y是实际标签和预测标签之间的均方差，x是不同类型的作业。该模型不是基于x进行训练的；但是，在预测范围内获得不同类型的作业时，需要对其进行优化。
我遇到了关于如何将scipy.optimize与函数参数的界限一起使用的。然而，我的主要问题是我有一个自定义的损失函数total_loss(y_pred，y_true)，它使用"SGD“作为优化器来使用Keras作为损失函数。现在，为了包含参数的边界范围，我想使用带Keras的scipy.optimize.m
浏览 18提问于2019-08-05得票数 0
我试图使用scipy.optimize函数来找到一个包含多个参数的复杂函数的全局最小值。scipy.optimize.minimize似乎做得最好，也就是“Nelder”方法。但是，它倾向于进入参数域以外的区域(将负值赋给只能为正的参数)，因此在这种情况下返回错误。是否有一种方法可以在scipy.optimize.minimize 函数本身中限制参数的界？或者在其他scipy.optimize函数中？
我发现了以下建议：
当参数超出允许范围时，返回一个非常大的数字(与要安装的数据相去甚远)。这将(希望)惩罚这种参数的选择，以至于curve_fit会将其他一些可接受的参数集作为最优。
，
浏览 24提问于2013-10-08得票数 39
回答已采纳
我试图计算函数的最小点
f(x)=(x-2e-17)*(x-2e-17)
用scipy.optimize.minimize。预期的，精确的结果是2e-17。但是，无论我如何微调容差参数xtol和ftol of scipy.optimize.minimize，它仍然只给出了不精确的结果0 (见下文)。我们怎么能让scipy返回精确的答案呢？谢谢。
In [35]: scipy.optimize.minimize(lambda x: (x-2e-17)**2,2,method='Powell',options={'xtol': 1e-30, 'ftol
浏览 2提问于2015-11-27得票数 6
回答已采纳
有没有办法估计使用scipy.optimize.fmin_l_bfgs_b (或scipy.optimize包中的任何其他有界优化例程)计算的估计优化参数的误差？
浏览 1提问于2013-11-07得票数 3
2回答
在正常情况下，外部python模块(如scipy和numpy )在安装时会被编译成共享对象(该部分是用C编写的)。当python调用import scipy时，它将动态加载这些共享对象。现在我在一个不支持任何动态加载功能的平台上工作。因此，我必须用python静态地链接这些模块。我目前的方法是用python编译scipy/numpy的所有源代码，并在python初始化时调用模块初始化函数。 Py_initializeEx(){
...
//init scipy modules statically
//below are scipy modules init func
浏览 12提问于2019-03-20得票数 1
回答已采纳
Numpy有一个基本的pxd，它声明了它与cython的c接口。对于scipy组件(特别是scipy.integrate.quadpack)，有这样的pxd吗？
或者，谁能给出一个例子，说明如何从cython直接链接到scipy中包含的c/fortran函数？到目前为止，我一直在使用pyximport ...这可以在这里工作吗，或者我必须使用distutils (或make..)进行链接？
谢谢!
--更新
编译下面的cython代码；但是，我得到了
ImportError: Building module failed: ['ImportError: dlopen(/Users/sh
浏览 12提问于2012-04-03得票数 3
回答已采纳
2回答
整数线性最小二乘
、、
所以，我必须找到一个x，它使norm(A.dot(x) - y, 2) A最小化，A是一个矩阵，y是一个向量。
这可以很容易地用scipy.optimize.lsq_linear或numpy.linalg.lstsq实现，但我需要x是整数。一般来说，“整数规划”是NP-完全的。我确实找到了，但我想在从matlab转换它之前，我应该先问一下。
是否有一个现成的库可以解决python中的整数线性最小二乘问题？
浏览 5提问于2017-04-02得票数 3
回答已采纳
1回答
曲线拟合大型数据集
、、、
现在，我正在尝试将曲线拟合到一个大型数据集；有两个数组，x和y，每个数组都有352个元素。我对数据拟合了一个多项式，效果很好：
import numpy as np
import matplotlib.pyplot as plt
coeff=np.polyfit(x, y, 20)
coeff=np.polyfit(x, y, 20)
poly=np.poly1d(coeff)
但我需要一条更精确的优化曲线，所以我一直在尝试用scipy拟合曲线。以下是我到目前为止拥有的代码：
import numpy as np
import scipy
from scipy import scipy.opt
浏览 3提问于2011-07-28得票数 2
因此，我有一个函数f=(x，a，b)，我希望使用scipy.optimize.basinhopping最小化它。X-是我正在优化的变量，a，b是参数。还不清楚如何将a，b的值传递给object函数。还是这不可能？例如，在scipy.optimize.minimize中有一个特殊的参数"args“。谢谢!
浏览 2提问于2018-01-08得票数 1
回答已采纳
1回答
考虑以下问题：
import numpy
import scipy.optimize
def f(x):
return (x[0] == 1)*(x[1] + 2)**2 - (x[0] == 0)*(x[1] + 1)**2
kwargs = {
'method': 'trust-constr',
'jac': False,
'bounds': [(0, 1), (0, 1)],
}
m = scipy.optimize.minimize(f, nump
浏览 2提问于2019-08-28得票数 3
1回答
我有一个python函数，它接受一堆(1或2)参数，并返回一个2D数组。我一直试图使用scipy、curve_fit和least_squares来优化输入参数，以便得到的2D数组与另一个预先生成的2D数组相匹配。我遇到了这两种方法的问题，将初始猜测作为收敛的解决方案返回给我。在从我的头上扯下许多头发后，我发现问题是，由于它对初始猜测的小增量太小，无法对函数返回的2D数组产生任何影响(因为数组中的单元值是量化的，并且不是连续的)，因此scipy假定它在初始猜测时已经达到收敛(或局部最小)。
我想知道是否有办法解决这个问题(比如在猜测时强迫它使用更大的增量)。谢谢。
浏览 2提问于2020-05-25得票数 3
我试图通过使用scipy.optimize.curve_fit()来拟合指数函数(示例数据和代码如下所示)。但是它总是显示这样一个RuntimeError：RuntimeError: Optimal parameters not found: Number of calls to function has reached maxfev = 5000.，我不知道我哪里出错了。
import numpy as np
from scipy.optimize import curve_fit
x = np.arange(-1, 1, .01)
param1 = [-1, 2, 10, 100]
fi
浏览 1提问于2020-08-22得票数 0
回答已采纳
我使用scipy.optimize.minimize函数。我的目的是获得最小化w,z的f(w,z)
w和z都是n×m矩阵：
[[1,1,1,1],
[2,2,2,2]]
f(w，z)是接收参数w和z。
我已经试过以下表格：
def f(x):
w = x[0]
z = x[1]
...
minimize(f, [w,z])
但是，最小化并不是很好。
将两个矩阵(n×m)放入scipy.optimize.minimize的有效形式是什么？
浏览 1提问于2015-07-08得票数 7
回答已采纳
我遇到了以下优化问题：
目标函数是一个多元且不可微的函数，它以标量列表作为参数并返回标量。它是不可微的，因为函数中的计算是基于pandas和一系列滚动、标准等动作的。
伪代码如下：
def target_function(x: list) -> float:
# calculations
return output
此外，x参数的每个组件都有自己的界限，定义为一个元组(min，max)。那么，我应该如何使用scipy.optimize库来查找该函数的全局最小值呢？有没有其他的库可以帮上忙？
我已经尝试了scipy.optimize.brute，它花了我太多时间，就像永远和
浏览 0提问于2018-09-13得票数 2
3回答
我想使用scipy.optimize模块来最小化一个函数。假设我的函数是f(x,a)
def f(x,a):
return a*x**2
对于固定的a，我希望最小化相对于x的f(x,a)。
使用scipy，我可以导入例如fmin函数(我有一个旧的scipy: v.0.9.0)，给出一个初始值x0，然后优化()：
from scipy.optimize import fmin
x0 = [1]
xopt = fmin(f, x0, xtol=1e-8)
它失败了，因为f有两个参数，而fmin只传递了一个(实际上，我甚至还没有定义a )。如果我这样做了：
from scipy.optimize
浏览 2提问于2014-08-08得票数 3
回答已采纳
1回答
目前，我在python中寻找一个Nelder优化器，它也接受变量的边界和约束。Scipy有一个Nelder优化器，但它不允许任何约束。
在我的搜索过程中，我偶然发现了包，这将使这成为可能。
下面是如何使用constrNMPy的一个示例：
# Define initial guess
x0=[2.5,2.5]
# Define lower and upper bounds (None indicates no bound)
LB=[2,2]
UB=[None,3]
# Call optimizer
import constrNMPy as cNM
res=cNM.constrNM(cNM.
浏览 1提问于2020-06-01得票数 2
典型的纯python (C，Fortran)，如果它由简单的仿制品组成的紧密循环组成。例如，在这个中使用所描述的时，只需编写函数就可以在纯python中集成，如下所示：
def f(y, t):
Si = y[0]
Zi = y[1]
Ri = y[2]
# the model equations (see Munz et al. 2009)
f0 = P - B*Si*Zi - d*Si
f1 = B*Si*Zi + G*Ri - A*Si*Zi
f2 = d*Si + A*Si*Zi - G
浏览 3提问于2014-03-24得票数 1
回答已采纳
在Python3.6中，我尝试使用scipy.optimize.minimize最小化一个函数。我的最小化问题作为两个约束，我可以找到一个解决方案。到目前为止，我有以下几点：
import numpy as np
from scipy.optimize import minimize
array = np.array([[3.0, 0.25, 0.75],
[0.1, 0.65, 2.50],
[0.80, 2.5, 1.20],
[0.0, 0.25, 0.15],
浏览 2提问于2017-05-05得票数 2
考虑以下职能：
def f(x,y):
return x + 3*exp(y**2)
我在想，是否可以使用SciPy.optimize.minimize
要在上找到最小值(对于x和y都适用)？
以下是我的尝试：
bound = (0,1)
bds = [bound,bound]
x_0 = [0,0] (initial guess)
因此，
scipy.optimize.minimize(f,x_0,method='SLSQP', \ bounds = bds)
但这不管用。
我一直得到：
“意外字符一行接一行连续字符”At \ bnds =bnds
请注意，我希望我的
浏览 2提问于2021-04-09得票数 0
回答已采纳
..。帮助和在线文档表明，函数scipy.stats.pareto.fit以要拟合的数据集为变量，还可以选择b(指数)、loc、scale作为变量。结果是三元组(指数，位置，比例)
从相同的分布生成数据应该导致fit找到用于生成数据的参数，例如(使用python 3 colsole)
$ python
Python 3.3.0 (default, Dec 12 2012, 07:43:02)
[GCC 4.7.2] on linux
Type "help", "copyright", "credits" or "license"
浏览 1提问于2013-03-18得票数 4
回答已采纳
1回答
我开始写一个非线性光束计算的程序。我选择Python是因为它和代码一样是Matlab，我目前正在进行速度测试(以确定python是否是进行快速数值计算的正确语言)，并尝试熟悉python3。我尝试了一种计算从t=1到n的1/t^2之和的算法(从“”一书中)来比较python3和julia的速度。现在我有一些问题：
1)在我的计算中，朱莉娅没有预期的那么快？朱莉娅·里斯特·吉特编辑的。应该很快的。为什么要更快的点蟒蛇？
( 2)为什么蟒蛇的循环速度这么慢？
3)为什么python方法比numpy.sum方法慢
4)为什么python的求和函数得到与numpy.sum函数稍有不同的解？
我希望你能
浏览 3提问于2017-06-16得票数 7
1回答
我试图在我正在处理的系统标识问题中使用scipy.optimize库。目标是找到一个权重向量w，它能尽可能准确地模拟一个单变量动态系统。我定义了我想要最小化的函数，在本例中，这个函数会对识别的模拟和实际系统的错误进行复述，原理图如下：
fQ(w):
simulatedOutput = simulate_system();
e = realOutput-simulatedOutput
return dot(e,e)
由于我试图动态地模拟一个特定的时间周期，这里有一些矢量w的特定配置，对于这些配置，系统是不稳定的，并且会发散。函数fQ(w)中代码的关键部分是：
for i in r
浏览 0提问于2020-05-07得票数 0
回答已采纳
1回答
我有一些模型维度数据(SangleRatio、RangleRatio、RudAngleRatio、RadRatio、SratioPole、RratioPole、Lwire、Nwire)以及这些数据的结果(nn)，并希望找到“最佳”模型维度值(最小化"intnn“fcn)：
import numpy as np
import scipy as sc
import scipy.interpolate as interpolate
import scipy.optimize as optimize
exp= np.genfromtxt(ConsFile, delimiter="
浏览 0提问于2014-07-25得票数 0
回答已采纳
import pandas as pd
import numpy as np
import yfinance as yf
import matplotlib.pyplot as plt
from scipy.optimize import brute
class contrarian_strategy():
def __init__(self,ticker):
self.ticker=ticker
self.get_data()
#self.test_strategy()
def get_data(self):
浏览 12提问于2021-01-28得票数 0
1回答
我有一个python脚本，作为进化优化算法的一部分，我对偏导数进行了数千次计算。我做了一个逐行的概要，这个偏导数计算占用了大部分的运行时间。我使用scipy.optimize.approx_fprime来计算偏导数，并尝试用Cython语言重写它，但没有成功。
逐行配置文件如下所示。我的scipy.optimize.approx_fprime的cythonized版本被简单地称为approx_fprime。
Line # Hits Time Per Hit % Time Line Contents
===============================
浏览 0提问于2014-11-12得票数 3
在使用fmin_bfgs (在SciPy中)优化非正规化物流成本函数时，我得到了以下错误：
遇到的除以零: rhok假设很大
C:\Python27\lib\site-packages\scipy\optimize\optimize.py:828: RuntimeWarning:除以double_scalars rhok = 1.0 / (numpy.dot(yk，sk))中遇到的零
警告:期望的错误不一定由于精度损失而达到。当前函数值: 0.693147次迭代:1次函数评估: 27次
该算法(fmin_bfgs)在一次迭代后停止。我做错什么了？下面是python代码：
这里是数据集：
浏览 11提问于2012-12-06得票数 0
回答已采纳
1回答
我正在做一些实用的建模，但是我在试图优化我的目标函数时被困住了，我不明白这个问题。
我有一个实用函数(1)，它把实验数据作为参数，以及两个参数(θ和phi)，我想用它们来优化函数(1)。该函数在给定上述数据和参数组合的情况下返回最佳选择。
目标函数(2)基本上是平方残差(SSE)的和，它以函数(1)作为输入，并决定函数(1)相对实际数据的最佳选择效果如何。
这就是事情出问题的地方。我试图从参数θ和phi的角度优化函数2。下面是代码：
from scipy.optimize import minimize
def costmixed(theta,phi,data):
predic
浏览 2提问于2018-05-25得票数 0
回答已采纳
有人告诉我，在Python中，double for循环速度很慢。然而，在深入研究Scipy.spatial.distance.cdist()的实现时，我发现它只是一个double for循环，而不是一些聪明的numpy技巧。然而，许多答案(例如https://stackoverflow.com/a/62416370)建议使用cdist()。 我的问题是:如果函数只是天真地迭代O(n^2)中的所有元素，为什么它仍然这么快？
浏览 23提问于2021-10-11得票数 1
回答已采纳
1回答
在REGEXP_LIKE中使用通配符正则表达式会比根本不包括条件子句的性能更低。
例如，我想创建一个Oracle准备语句，如下所示：
select * from table_name
where regexp_like(column1, ?)
and regexp_like(column2, ?)
and regexp_like(column3, ?)
and regexp_like(column4, ?)
查询可能不需要为所有列指定条件。对于那些没有条件的列，我们可以使用通配符正则表达式*或，我们可以简单地不包括where子句中的条件。
select * from table_name
浏览 4提问于2011-01-06得票数 1
回答已采纳
我正在尝试将scipy.optimize中的功能最小化。我试图改变一个矩阵(10乘6)作为函数的输入参数。然而，当我试图执行最小化时，矩阵变成了一个一维向量，防止了函数中的矩阵对齐。如下面的误差msg所示，我的10×6矩阵正被转换成一个向量。
过去有没有人和scipy.optimize有过类似的问题？如有任何意见，将不胜感激。
ValueError: shapes (2364,10) and (60,) not aligned: 10 (dim 1) != 60 (dim 0)
浏览 4提问于2015-10-25得票数 0
1回答
我正在用Python开发一个非线性有限元求解器，使用scipy稀疏矩阵。求解器生成一个名为KT (scipy.sparse.csc_matrix())的切线刚度矩阵，该矩阵在运行时进行多次更新--但在形状上不发生变化，并生成一个负载向量F。然后将迭代位移deltaU计算为KT * deltaU = F。
(示意性的)当前过程是：
import scipy.sparse as sps
while error > max_error:
KT = updateKT()
F = updateF()
solveRHS = sps.linalg.factorized(KT)
浏览 0提问于2019-11-06得票数 0
在给定一组参数的情况下，研究预测电生理数据的模型。这个脚本试图为那些给出最接近实验数据的预测的参数找到值。我运行的是Python 2.7、Scipy 0.17.0和Numpy 1.10.4。脚本附在下面。出现错误的行是epsc_sims[n,1] = r_prob*poolsize。
下面是脚本：
import scipy.optimize as optimize
import numpy as np
import math
def min_params(*params):
std_err = 0
epsc_exp = np.loadtxt('sample.txt&#
浏览 4提问于2016-08-04得票数 0
我对使用SciPy比较陌生；我目前正在使用它来最小化多层感知器模型的成本函数。我不能使用scikit-learn，因为我需要能够设置系数(它们在MLPClassifer中是只读的)，并向任何和所有参数添加随机排列和噪声。我还没有完成实现，但我对minimize函数所需的参数感到困惑。
例如，我编写了一个函数来计算函数的“成本”(能量最小化)，它同时计算梯度。这并没有什么特别之处，因为这是很常见的做法。但是，当调用scipy.optimize.minimize时，它请求两个不同的函数:一个返回要最小化的标量(即我的示例中的成本)，另一个计算当前状态的梯度。示例：
j,grad = myCostF
浏览 1提问于2019-10-10得票数 0
我有一个对数逻辑分布的几个点的pdf值[x1, x2, x3, x4, x5 ... , xn]。
我想在scipy中找出这个分布的MLE参数。(即c、loc、scale )。你能推荐一种使用scipy库的方法吗？scipy中的对数逻辑函数是scipy.stats.fisk
浏览 0提问于2021-01-21得票数 0
1回答
如何最小化插值函数？
、、、
我已经在2D曲面上插值了一个离散化函数，类似于下面来自的代码中的示例，现在我想使用scipy.optimize最小化这个函数？有什么想法或解决方案吗？
谢谢你的帮助。
import numpy as np
from scipy.interpolate import griddata
import matplotlib.pyplot as plt
def func(x, y):
return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2
grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]
浏览 12提问于2021-03-10得票数 0
1回答
原子间的最小距离
、、
我想用Lennard Jones势来计算两个原子之间的最小距离。我想使用的公式是： V(r) = C12/r^12 - C6/r^6 where C12 = 1 and C6 = 10 包含变量的函数的以下结构已经给出，此示例的解决方案应为0.764724。 我的想法是使用“最小”的-function，但我完全不知道如何使用它。即使在阅读了SciPy手册之后也不会。我该如何开始呢？ import numpy as np
from scipy.optimize import minimize, leastsq, least_squares, curve_fit
def get_minimum
浏览 28提问于2020-12-08得票数 2
3回答
我一直在查看最小化函数声明文件，对于函数是如何工作的，我感到非常困惑。例如，如果我有这样的东西：
import numpy as np
from scipy.integrate import quad
from scipy.optimize import minimize
encoderdistance = 2.53141952655
Dx = lambda t: -3.05 * np.sin(t)
Dy = lambda t: 2.23 * np.cos(t)
def func(x): return np.sqrt(Dx(x)**2 + Dy(x)**2)
print minimize(la
浏览 6提问于2017-07-26得票数 1
回答已采纳
1回答
我在Python中的参数nu上找到函数f的最大值，使用的是西西的内建微分进化，同时保持其他术语(args)不变。我的代码
max = scipy.optimize.differential_evolution(lambda nu:-f(args,nu),bounds)
fopt = max.fun
给我我想要的正确的价值。但是，现在我想做同样的事情，但是在两个参数上都有变化，称之为nu和mu。我试过了
max = scipy.optimize.differential_evolution(lambda nu,mu:-f(args,nu,mu),bounds)
fopt = max.fun
浏览 9提问于2022-02-04得票数 1
回答已采纳
正如标题中所述，scipy.optimize.minimize在"ValueError:设置带有序列的数组元素“中失败。当调用最小化时。
我将scipy.optimize.minimize应用于使用变量coef (我正在优化的系数)以及xData和yData (数据变量)的函数。
下面我将提供一个示例代码。通过搜索如何使用minimize，我知道错误源于被最小化的函数，当数组应该返回标量时返回数组。不过，我不知道它为什么要返回数组。
重要的是，scipy.optimize.least_squares可以工作，而且它似乎与scipy.optimize.minimize具有相同的语法。sc
浏览 0提问于2018-09-28得票数 1
回答已采纳
我使用scipy.optimize.minimize为我的目标函数寻找最优参数。
我的代码：
import numpy as np
from scipy.optimize import minimize
from scipy.optimize import Bounds
bounds = Bounds([26,26,8,6,400,100,0,25,2],[36,38,28,28,1800,800,100,50,7])
energy_history = []
x_values = []
def objective(x):
x_trail = x.reshape(1,-1)
浏览 1提问于2019-05-13得票数 4
回答已采纳
1回答
多变量函数的最小化
、、、、
import math
import numpy
import scipy
def chisq1a(a,b,NN):
return (NN/(a**2)*b**2*(1+3/(a**2))*(1+(math.tan((math.pi)/2*(a+b*math.log(b/0.45))))**2))
x0 = numpy.array([0,0,0])
from scipy.optimize import minimize
result = scipy.optimize.minimize(chisq1a, x0)
我试图使用上面的代码最小化Python 3中的多变量函数，但是我获得了一个错误
浏览 0提问于2018-01-18得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
