目录
最优化求解问题标准格式如下:
标准形式如下:
目标函数:minimize f(x) ……
约束条件subject to:
g_i(x) >= 0, i = 1,...,m
h_j(x) = 0, j = 1,...,p
Python中scipy库有很多包,其中一个就是scipy.optimize.minimize求解有无约束的最小化问题。
Python中scipy.optimize.minimize具体参数如下:
scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None,
hessp=None, bounds=None, constraints=(), tol=None,
callback=None, options=None)[source]
算法需要输入的参数:
- fun:可调用的目标函数;
- x0:函数的初始解,是N 维数组对象ndarray;
- args:可选,传递给目标函数和其偏导的额外参数,如(雅可比矩阵、海塞矩阵),是元组;
- method : 可选,求解问题的方法,应该是如下表格中的其中一个。如果不指定,根据约束条件和取值范围默认选择BFGS, L-BFGS-B, SLSQP方法;
| 求解方法 | 解释 |
|---|---|
| Nelder-Mead | 求解非线性、导函数未知的最值问题 |
https://docs.scipy.org/doc/scipy-0.18.1/reference/generated/scipy.optimize.minimize.html#scipy.optimize.minimize
3187



被折叠的 条评论
为什么被折叠?



