python - 在 python 中用 scipy 解决有界非线性最小化

Question

试图用一个变量解决一个简单的非线性最小化问题。

from scipy.optimize import minimize
import math

alpha = 0.05
waiting = 50
mean_period = 50
neighborhood_size = 5

def my_func(w):
    return -(2/(w+1) + alpha*math.floor(waiting/mean_period))*(1-(2/(w+1) + alpha*math.floor(waiting/mean_period)))**(neighborhood_size-1)

print minimize(my_func, mean_period, bounds=(2,200))

这给了我

ValueError: length of x0 != length of bounds

我输入错了吗？我应该如何格式化它？

如果我删除界限，我会得到：

status: 2
  success: False
     njev: 19
     nfev: 69
 hess_inv: array([[1]])
      fun: array([-0.04072531])
        x: array([50])
  message: 'Desired error not necessarily achieved due to precision loss.'
      jac: array([-1386838.30676792])

该函数看起来像这样，因此我需要将解决方案限制在我感兴趣的局部最大值中。

Answer 1

它应该是：

print minimize(my_func, mean_period, bounds=((2,200),))

  status: 0
 success: True
    nfev: 57
     fun: array([-0.08191999])
       x: array([ 12.34003932])
 message: 'CONVERGENCE: NORM_OF_PROJECTED_GRADIENT_<=_PGTOL'
     jac: array([  2.17187379e-06])
     nit: 4

对于每个参数，您必须提供一个界限，因此在这里我们需要将一个tuple仅包含一个的 传递tuple (2,200)给minimize()。