腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(1498)
视频
沙龙
1
回答
使用
Gekko
优化
循环
起搏
策略
,
收敛
到
局部
不可行
的
点
、
、
、
我正在尝试制作一个自行车手
的
运动模型,它
优化
了完成12公里山路计时赛所需
的
时间,受到各种约束,例如总无氧能量作为最大功率。我正在尝试重现Wolf等人在“个性化步调
策略
使公路自行车攀登变得更快”中
的
结果。如果能指出我可能会出错
的
地方,我将不胜感激。这是我第一次
使用
Gekko
,所以我认为这可能与我
的
模型实现有关。 ? from
gekko
import
GEKKO
import numpy as
浏览 24
提问于2021-02-05
得票数 2
回答已采纳
2
回答
如何在
GEKKO
中约束模型变量
我喜欢约束y模型中
的
变量值u<1。将名称添加到变量定义u=m.Var( ub=1 =‘u’,value=0,lb=-2,ub=1),但它导致“找不到解决方案”(退出:
收敛
到
局部
不可行
的
点
。问题可能是
不可行
的
。)我想我必须重新表述这个问题来避免这种情况,但我还没有找到应该如何做到这一
点
的
例子。当约束变量值时,我如何写一个合适
的
模型来避免
不可行
解?import
浏览 15
提问于2019-09-13
得票数 3
1
回答
如何
使用
Python
Gekko
修复IPOPT中
的
本地
不可行
性?
、
、
、
我在IPOPT (v3.12.10)中遇到本地
不可行
错误。No feasible solutionm =
GEKKO
() x=m.Var
浏览 31
提问于2019-10-27
得票数 1
1
回答
变量边界<= 0
不可行
的
最优电动汽车充电
的
非线性规划APOPT求解器(
GEKKO
)
、
我尝试过
使用
GEKKO
包进行
优化
的
电动汽车充电调度。但是,当代码设置为小于或等于零时,我
的
代码就会卡在一些可变边界条件上,即x=m.Array(m.Var、n_var、value=0、lb=0、ub=1.0)。错误消息是“错误代码0不成功”。下面是我
的
python脚本。如果你对这个问题有什么建议,请告诉我。#------------------------------ import pandas as pdimport o
浏览 2
提问于2022-01-26
得票数 2
回答已采纳
1
回答
如何修正Python最优控制代码中
的
“未找到解”错误
、
、
Renee Fister和Jennifer Hughes Donnelly,2005
的
论文“免疫疗法:最优控制理论方法”图1中
的
结果。为此,我
使用
Python
的
GEKKO
软件包编写了一个数值最优控制求解器。我
使用
了与本文相同
的
初始条件、控制界、参数值和模型方程。:一个是ODE动力学图,另一个是最优控制解
的
图。下面是我
使用
的
代码:im
浏览 0
提问于2019-07-08
得票数 4
1
回答
对于不以零速度到达零高度
的
月球着陆器,
GEKKO
没有找到最佳解。
、
、
、
、
问题
的
目的是找出月球着陆器到达月球表面的最小时间,速度为零(沿垂直轴
的
所有运动)。现在,我用python用
gekko
实现了这个代码,如果这个人从月球表面以上40米开始,然后以零
的
速度到达表面(最终高度= 0m)的话,它工作得很好。然而,如果我修改代码,让人开始,比如说,从地表以上50米到最后10米
的
高度,
gekko
总是
收敛
到
一个
局部
不可行
的
点
。我尝试了许多不同
的
最
浏览 5
提问于2022-04-27
得票数 2
回答已采纳
1
回答
GEKKO
优化
卡住了(APM.exe)
、
、
、
我正在尝试用Python 3中
的
GEKKO
运行一个微分方程系统解算器(通过Jupyter notebook)。 对于错误
的
初始参数,它当然会立即停止,并表示找不到解决方案。对于其他初始参数,CPU (任务管理器中
的
APM.exe)忙碌30秒(取决于问题大小),然后回到0%
的
使用
率。但一些计算仍在运行,不会产生输出。停止它
的
唯一方法(而不是完全杀死python )是停止APM.exe。我还没有得到一个解决方案。在这样做
的
时候,我得到了disp=True<
浏览 0
提问于2020-04-11
得票数 2
1
回答
:求解器陷入
局部
极小值,如何避免这一
点
?
、
、
我试图解决一个
优化
问题,它包含了一个高维(10+)单调函数
的
全局最大值(在所有方向上都是单调
的
)。这些限制使得他们用飞机来减少搜索空间。我已经在pyomo中对整个程序进行了编码,并且
使用
了ipopt求解器。在大多数情况下,我相信它成功地
收敛
到了全球最优。但是如果我稍微利用约束条件,我会发现它有时会
收敛
到
局部
极小值。这看起来像是一种勘探-开发
的
权衡。我已经研究了可以传递给ipopt
的
选项,列表太长了,我无法理解要<em
浏览 1
提问于2019-03-04
得票数 1
回答已采纳
1
回答
利用IPOPT
GEKKO
对航天器轨迹进行
优化
、
、
、
因此,我试图解决IPOPT (python)中
的
一个非线性微分
优化
问题。我需要最小化时间
的
航天器轨道,其中
的
运动方程是由圆形限制
的
三体动力学描述。轨道是从地球
到
L1之间
的
太阳-地球系统.我有固定
的
初始和端点位置和速度坐标,我需要积分微分方程,这样从地球
到
最终位置
的
时间是最小
的
。我对最优控制相关
的
问题和软件,如IPOPT和
GEKKO
都很陌生。我试着用IPOPT作为<
浏览 16
提问于2022-03-13
得票数 3
1
回答
测试学习率如何影响反向传播,人工神经网络
、
、
、
、
我用Java创建了一个
使用
反向传播算法学习的人工神经网络,我制作了以下图表,显示了改变学习率如何影响网络训练所需
的
时间。这似乎表明,学习是非常不稳定
的
,因为它要么训练正确,要么很快就会卡住(反向传播将在1分钟或特定
的
错误阈值停止训练)。我想知道为什么网络如此不可预测,是不是势头太高了?我需要一个自适应
的
学习率吗?这是一个很好
的
例子,说明了
局部
最小值如何影响训练。 这是我生成
的
图表:
浏览 1
提问于2015-08-11
得票数 0
3
回答
为什么我
的
最低搜索(最陡峭
的
体面)爬一座山?
、
、
、
我试着用一种最陡峭
的
方法来最小化离散函数。这应该是相当简单
的
,但我有困难
的
搜索‘爬升’从任何地方
的
最低。这是我用Mathematica编写
的
代码,但语法很容易理解。我很困惑,因为我甚至测试新
的
价值是否比旧
的
少。当它是的时候我也不会通过它!有什么想法?
浏览 6
提问于2011-07-06
得票数 1
1
回答
Tensorflow联合图像分类示例#Epochs有主要影响。模型是否过度拟合?
、
、
我一直试图在TF Federated
的
联合学习图像分类笔记本教程上描述学习过程(准确性和损失)。想知道发生了什么事。? 我
的
理解是,纪元参数控制每轮训练中每个客户
的
前进/后退道具
的
数量。这是正确
的
吗?意识
到
需要更大范围
的<
浏览 0
提问于2020-05-28
得票数 1
3
回答
梯度下降
收敛
、
、
我是数学和计算机专业
的
双学位,对机器学习感兴趣。我目前正在选修安德鲁教授
的
热门课程。他在谈论和解释梯度下降,但我不能不注意
到
一些事情。以我
的
数学背景,我知道如果我试图找到函数
的
全局最小/最大值,我必须首先找到所有的临界
点
。这门课程讨论
的
是GD
的
收敛
性,但它真的能保证
收敛
到
全球最小值吗?我怎么知道它不会卡在马鞍上?如果我
的
函数是可微
的
,它似乎是合理
浏览 0
提问于2019-03-26
得票数 1
2
回答
DNN训练中
的
无耗氧
优化
与梯度下降
、
、
、
、
对于深度神经网络(DNN)
的
训练,Hessian-Free (HF)
优化
技术与梯度下降(例如随机梯度下降(SGD)、间歇梯度下降(SGD)、自适应梯度下降)比较如何?
浏览 3
提问于2015-07-22
得票数 2
回答已采纳
1
回答
Matlab: fmincon
收敛
到
不可行
点
,不满足等式约束
、
我试图
使用
fmincon来
优化
x,使R*x最小化,而x可以是0
到
1.5之间
的
值和sum(x) = 3lb = zeros(24,1);我希望x
的
和等于3(试图用等价矩阵Aeq和beq表示这一
点
)。运行代码时显示了以下错误: <e
浏览 0
提问于2018-07-11
得票数 1
1
回答
可以
使用
gekko
进行投资组合
优化
吗?
、
、
、
、
我一直在
使用
自己
的
简单代码进行蒙特卡洛模拟,以创建样本投资组合。虽然有效,但我不觉得我得到了最好
的
结果。 我不是学数学或其他专业
的
。是否可以
使用
gekko
来求解某个投资组合,如最高夏普比率或最小方差、最高收益等? 在我尝试自己解决这个问题之前,我想知道这是否可能。 我一直在网上寻找代码示例,但似乎什么也找不到。有可能吗?
浏览 28
提问于2021-03-14
得票数 1
回答已采纳
1
回答
如何实现线性回归
、
、
、
、
当从零开始执行线性回归模型时,我很难实现与sklearn相同
的
结果。 这是密码。
浏览 0
提问于2022-12-09
得票数 2
1
回答
理解Openmdao设计背后
的
原因
我正在阅读有关MDO
的
文章,我发现openm刀真的很有趣。然而,我很难理解/证明一些基本选择背后
的
理由。 为什么是基于梯度
的
优化
?由于基于梯度
的
优化
器永远不能保证全局最优,所以它为什么是首选
的
。我知道,对于具有众多设计变量
的
MDO问题,找到全局极小值是非常困难
的
,而
局部
最优比人工设计要好得多。但考虑
到
应用程序一般是用于昂贵
的
系统,如飞机或卫星,为什么满足于
局部</
浏览 3
提问于2020-07-15
得票数 3
回答已采纳
2
回答
最佳强化学习
优化
器
、
我
的
强化学习器在启动时恢复它最后保存
的
权重和重放缓冲区,所以它不需要每次我打开它时都重新训练。然而,我关心
的
一个问题是
优化
器。自从ADAM以来,
优化
器已经走过了很长
的
路,但我读到
的
所有东西和我看到
的
所有RL代码样本似乎仍然
使用
具有固定学习率
的
ADAM。我想利用一些
优化
器
的
进步,例如one cycle AdamW。然而,单周期
优化
器似乎不适合连续
的
浏览 3
提问于2020-01-21
得票数 0
2
回答
SLSQP产量完全不同- vs COBYLA
、
、
为什么SLSQP停留在初始值周围,而COBYLA却朝着正确
的
方向移动?利用OpenMDAO 2.2.X实现了
优化
问题;目标(y,scaler=-1)。没有任何限制。示例驱动程序和包装代码被上传:
浏览 0
提问于2018-04-14
得票数 1
回答已采纳
点击加载更多
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
如何理解深度学习的优化?通过分析梯度下降的轨迹
分析梯度下降的轨迹,更好地理解深度学习中的优化问题
强化学习的那些事(二)
深度学习最新方法:随机加权平均
一文看懂各种神经网络优化算法
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
活动推荐
运营活动
广告
关闭
领券