带线性约束的非线性方程组(初学者)
带线性约束的非线性方程组(初学者)
提问于 2015-05-21 16:00:32
我见过这个惊人的例子。但我需要求解X和F上的边界系统，例如：
f1 = x+y^2 = 0
f2 = e^x+ xy = 0
-5.5< x <0.18
2.1< y < 10.6
# 0.15< f1 <20.5 - not useful for this example
# -10.5< f2 < -0.16 - not useful for this example我怎样才能把这个边界约束设为f_() of scipy呢？或者可能还有别的方法？你能给我一个简单的代码示例吗？
回答 2
Stack Overflow用户
回答已采纳
发布于 2015-05-21 22:53:53
这取决于系统，但在这里您可以简单地检查约束之后。
首先求解非线性系统，得到形式(x，y)的一个/无/多个解。然后检查这些解决方案中的哪一个满足约束条件。
Stack Overflow用户
发布于 2015-05-22 07:59:51
我希望这能为你服务。都是那里干的。
import numpy as np
from scipy.optimize import minimize
def my_fun(z):
x = z[0]
y = z[1]
f = np.zeros(2)
f[0] = x + y ** 2
f[1] = np.exp(x) + x * y
return np.dot(f,f)
def my_cons(z):
x = z[0]
y = z[1]
f = np.zeros(4)
f[0] = x + 5.5
f[1] = 0.18 - x
f[2] = y - 2.1
f[3] = 10.6 - y
return f
cons = {'type' : 'ineq', 'fun': my_cons}
res = minimize(my_fun, (2, 0), method='SLSQP',\
constraints=cons)
resstatus: 0 success: True njev: 7 nfev: 29 fun: 14.514193585986144 x: array([-0.86901099, 2.1 ]) message: 'Optimization terminated successfully.' jac: array([ -2.47001648e-04, 3.21871972e+01, 0.00000000e+00]) nit: 7
编辑:作为对注释的响应:如果您的函数值f1和f2不是零，您只需重写方程，例如：
f1 = -6和f2 =3
您的最小化功能将是：
def my_fun(z):
x = z[0]
y = z[1]
f = np.zeros(2)
f[0] = x + y ** 2 + 6
f[1] = np.exp(x) + x * y -3
return np.dot(f,f)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/30378861
复制相关文章
相似问题
腾讯云开发者
