我有以下情况: COD Level
UF 11
ME 1101
MI 11001
MU 1100452
MU 1100700
MI 11002
MU 1100080
MU 1100106
MU 1101492
ME 1102
MI 11003
MU 1100403
MU 1100023
UF 12
ME 1201
MI 12001
MU 1100122
.... (7000 rows) -解释 UF - 2 digits (higher level)
ME - 4 digits (level 2)
MI - 5 digits (level 1)
MU -
在解非线性不等式组时,我得到了"TypeError:必须是实数,而不是GK_Operators“的错误。我应该在哪个地方编辑才能得到答案?
from gekko import GEKKO
import math
m = GEKKO(remote=False)
x1,x2,lambda1_L,lambda2_L,lambda1_U,lambda2_U,mu1,mu2,mu3,mu4,mu5,mu6,mu7,mu8,W1=[m.Var(1) for i in range(15)]
sigma_p = math.sqrt(0.028573*x1*x1+0.03129*x2*x2+0.02
所以我几个小时以来一直在尝试做一个“是/否”的框图。
我的数据集如下所示
> stack
Site Plot Treatment Meters Retrieved
2 Southern 18 Control -5.00 y
3 Southern 18 Control 9.55 y
4 Southern 18 Control 4.70 y
5 Southern 27 Control -5.00 y
6 Southern 27 C
我正在研究一个问题,在这个问题中,一个矩阵必须被迭代计算很多次。所需的矩阵乘法形式如下:
t(X) %*% ( ( X %*% W %*% t(X) * mu0 ) * mu1 )
其中X是N x P,W是对称 P x P矩阵。mu0和mu1是计算和输入相应产品元素的廉价的N x 1向量。
不幸的是,N可能相当大,由于X %*% W %*% t(X)是N x N,因此产生了巨大的计算需求。我想知道是否有任何策略或计算技巧,例如,基于矩阵分解,可以用来加快这里的计算。在每次迭代中,mu0和mu1都会发生变化,但是X和W是固定的,所以包括这些矩阵在内的任何预计算都能工作。
BENCHMARKING