我正在尝试最小化函数 20A + 40B以120 = 100sqrt(A) + 150sqrt(B)为准 我编写了以下代码，并将其与其他函数一起使用，它起作用了。from scipy.optimize import minimizeimport numpy as np
A,-150*sqrt(B)
result1 = minimize
浏览 31提问于2020-10-26得票数 0
回答已采纳
我正在尝试使用scipy.optimize.minimize来最小化成本函数，但是它非常慢。我的函数有近5000个变量，因此，枕慢一点也不奇怪。然而，如果有一个并行版本的scipy.optimize.minimize，它可能会有很大帮助。我想知道这种版本的scipy.optimize.minimize是否存在，或者是否还有其他可以执行这种规模最小化的参数/numpy工具。我真的很感激所有的帮助。
谢谢大家的
浏览 0提问于2017-12-16得票数 5
我有一个带有约束和上下界的非线性优化问题，所以对于scipy，我必须使用SLSQP。这个问题显然不是凸的。问题是，使用1000+输入向量需要很长时间，尽管我可以看到最小化程序并没有调用我的函数太多(目标/约束/梯度)，而且似乎将大部分处理时间花在了内部。我在某处读到SLSQP的性能是O(n^3)。对于python，有没有更好/更快的SLSQP<
浏览 2提问于2017-11-26得票数 3
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。', constraints=cons)['x']res2 = fct2(w)
我现在正在尝试让我的优化器运行得更快，因为这只是一个简化的问题。最后，我的数组和矩阵要大得多。在前面的问题中，有人提出了定义我的函
浏览 2提问于2017-05-05得票数 2
1回答
我想优化以下公式，加入x- x1 > 0的约束。当在目标函数中打印这个表达式时，它也给出了负值，而优化也成功地终止了。最后的目标是最小化由于数学错误导致的sqrt(0.1*x*x1)。import numpy as np
#return] - x[1]
con
浏览 3提问于2017-12-06得票数 2
回答已采纳
出于各种原因，我不想简单地排序和选择最佳的四个价格，而是使用一些优化算法。我有几个约束，因此我决定使用scipy的最小二乘算法scipy.optimize.fmin_slsqp。具有边界的无限制优化工作得很好。我只是简单地通过我的schedule_list作为第一次猜测。通过以下命令使用约束优化：
scipy.optimize.fmin_slsqp</em
浏览 15提问于2014-02-13得票数 7
回答已采纳
我正在试用python的scipy.optimize，以便使用SLSQP算法将某些函数最小化。优化似乎没有约束，并且有一个矩阵约束，但是当我添加第二个矩阵约束时，会出现一个错误。import nloptfrom scipy.optimize import minimize
n_sim = 10000
risk_aversion'fun' : l
浏览 11提问于2015-01-08得票数 0
回答已采纳
1回答
我需要找到矩形与最大面积内的椭圆(这可能是倾斜的)。我们的目标是将这个问题转化为N维，所以当我们设置N=2时，我们发现我们的矩形iside是一个椭圆。
带着约束我使用来自scipy.optimiize.minimize()的SLSQP来找到最优的
这是我的密码：(f, x0, me
浏览 5提问于2022-04-10得票数 1
1回答
我正在尝试理解scipy优化函数中的constraints。我想在输入值始终为正的假设下最小化函数。所以我的约束函数定义如下： return inputs[0] - inputs[0]这是我的完整代码。from __futur
浏览 0提问于2018-09-06得票数 1
我有一个在不等式约束下的最小二乘最小化问题，我正试图用scipy.optimize.minimize来解决这个问题。对于不等式约束，似乎有两种选择: COBYLA和SLSQP。我首先尝试了SLSQP，因为它允许函数的显式偏导数最小化。根据问题的扩展性，它失败时会出现错误：
浏览 5提问于2017-11-22得票数 2
1回答
我希望使用scipy.optimize.minimize对我的优化例程执行一些测试，特别是在多个测试中绘制每个迭代的收敛性(或相当客观的函数)。假设我有以下线性约束的二次优化问题：
但须符合: sum(x_i) =1
def _fun(x, Q, a):中实现以下优化：x_sol
浏览 0提问于2018-10-07得票数 2
回答已采纳
1回答
我试图在约束下找到一个最优的解决方案，并结合使用SciPy最小化和SLSQP。它工作得很好，没有任何问题，只有一个约束。一旦我添加了另一个约束，它就会成功完成，但没有达到优化目标。我假设我的问题与约束函数定义有关(约束2有点棘手)，并决定学习如何正确使用minimize。 我切换到了简单的第二个约束，但又得到了一个未优化的解决方
浏览 11提问于2019-06-26得票数 1
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
浏览 24提问于2013-10-08得票数 39
回答已采纳
2回答
我运行一个约束优化问题，大约有1500个变量，运行时间超过30分钟.
results = minimize(objFun, initialVals, method='SLSQP', bounds =
浏览 5提问于2016-07-29得票数 14
我有一个优化问题(通过更改x和x1进行优化)，其中一个约束是一个函数，它使用与优化函数相同的常量变量(a和b)。min f(x, a, b) x[1] <= 500但是我不确定如何实现函数f和g之间的联系：
x0 = np.array([10{'type': 'ineq', 'fun': lambda x: g(x, 100, 4)-0.
浏览 1提问于2020-06-02得票数 0
2回答
我试图用scipy minimize函数来构造一个优化问题。但是，我有以下问题无法解决：
我想要X = [x1, x2, x3, x4, x5]，使成本函数F(X)最小化。但是，这个X向量是必须加到1，即np.sum(X) = 1的百分比值。问题是:例如，如果我使用一些初始值(如X0 = [0.2, 0.2, 0.2, 0.2, 0.2])的"SLSQP“方法，它将尝试增加每个值以找到一些收敛方向。但这是不可能的，因为np.sum(X) = 1是我计算目标函数
浏览 3提问于2021-05-01得票数 0
回答已采纳
2回答
我需要一些关于python优化函数的帮助(Scipy)问题是优化f(x) where x=[a,b,c...n]。约束条件是a、b等的值应该介于0和1之间，以及sum(x)==1。scipy.optimise.minimize函数似乎是最好的，因为它不需要区分。如何传递参数？import itertools as iter
all=iter.permutations([0.0,.1
浏览 4提问于2013-09-12得票数 18
我想知道scipy.optimizer.minimize中的SLSQP优化器是如何使用'ftol‘参数来解决带有等式和不等式约束的问题的？我想确切地知道终止标准是如何应用的。
提前谢谢你。
浏览 30提问于2020-11-12得票数 0
1回答
在优化包含循环的函数时，我遇到了问题。我希望最小化k，使assign(k)或sum(assign(k))值的和(新标量函数)等于0.32。
我用了scipy.optimize程序来做这个。我的约束是constraint=sum(assign(k))-0.32和目标函数iz fun(k)=k。因此，我最小化了k以满足约束。',constraints=cons,options={'maxiter':2000}
浏览 1提问于2019-05-19得票数 0
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
