问题标签 [nonlinear-optimization]

我试图估计非线性方程的参数：

使用该问题的答案中概述的方法，但找不到有关如何将多个自变量适当地传递给 curve_fit 函数的文档。

具体来说，我试图根据植物密度 (x1) 和竞争对手的密度 (x2) 来估计植物生物量 (y)。对于植物密度和植物生物量之间的关系，我有三个指数方程（形式为 y = a[1-exp(-b*x1)]），对于三个竞争对手的密度具有不同的参数值：

因此，我想按照以下方式编写代码：

但是，我还没有找到关于如何格式化参数 y （传递给fit_nonlinear）以捕获 x_vals 的二维性质的任何文档（curve_fit状态 y 的文档应该是 N 长度序列）。我正在尝试的可能curve_fit吗？

我有一组测量值，我开始进行线性近似（如本图所示）。参数的线性最小二乘估计V_{max}和K_{m}Matlab 中的这段代码：

这会产生一个看起来不错的合身。接下来，我想做同样的事情，但使用的是非线性最小二乘法。但是，拟合总是看起来不对，这是该尝试的代码：

这需要在 M 文件中使用此功能：

如果你运行代码，你会看到我的问题。但希望，不像我，你看到我做错了什么。

我正在尝试使用包 alabama 解决 R 中的非线性优化问题。像这样定义目标函数后：

我已经定义了这样的不等式：

然后使用 hin 函数调用目标函数，如下所示：

使用的值是自动化的，因此使用单元格引用。这是给定的数据库4

我得到的错误是......

请帮忙！

我有以下需要求解的 3 个非线性方程组：

-xyt + HF = 0

-2xzt + 4yzt - xyt + 4z^2t - M1F = 0

-2xt + 2yt + 4zt - 1 = 0

其中 x、HF 和 M1F 是已知参数。因此，y、z 和 t 是要计算的参数。

尝试解决问题：

但问题是，如果我想使用，scipy.optimize.fsolve那么我应该输入一个初始猜测。就我而言，我没有任何初始条件。

是否有另一种方法可以在 python 中求解具有 3 个未知数的 3 个非线性方程？

编辑：

原来我有条件！条件是 HF > M1F、HF > 0 和 M1F > 0。

我在使用python编码时遇到以下问题：

我有 7 个参数：x、y、z、t、HF、M1F 和 M2F。用户应输入这 3 个中的任何一个，程序应计算其余部分。

我的关系是：

尝试解决问题：

我有 7 个参数，用户应该输入 3 => 我将留下 4 个参数。因此，这一切都是关于求解具有 4 个未知数的 4 个非线性方程组。

我在网上阅读了scipy.optimize可用于求解非线性方程组的内容。但我需要一个初步的猜测。

回到问题的物理学，我有以下初始条件：

这些初始条件如何帮助我获得初始猜测，以便我可以使用 解决我的问题scipy.optimize？

这两个功能的主要区别是什么，r帮助手册说gosolnp有助于正确设置初始参数。否则有什么不同吗？另外，如果是这样，我们如何确定参数空间的正确分布类型？

在我的问题中，初始参数集很难确定，这就是使用优化问题的原因。但是，我对参数的上限和下限有所了解。

根据同时点击的用户，我有关于网站响应时间的数据。

例如：
10 个用户同时点击有（平均）响应时间 300 毫秒
20 个用户 -> 450 毫秒等

我在 R 中导入数据，并从 2 列数据（用户、响应时间）中绘制图表。我还使用该函数loess在图中绘制了关于这些点的线。

这是我写的代码：

这是我的情节图像：

我的问题是：

1. 如何在同一图中绘制我的非线性函数以将其与其他线进行比较？
   例如：response_time (f(x)) = 30*users^2。

2. 还有如何对函数线loess和我的函数进行预测并将它们显示到图中，例如：如果我的数据直到 250 个用户，则进行预测直到 500 个用户

我已经在 Excel 中完成了，但需要在 R 中运行适当的模拟。

我需要最小化函数F(x)（x是一个向量），同时有约束sum(x)=1，所有值x都是[0,1]和另一个函数G(x) > G_0。

我已经用optimand试过了constrOptim。他们都没有给你这个选项。

我最初的问题可以在这里找到：任意约束的 R 优化

它导致了另一个问题，如何将参数传递到nloptr.
我需要最小化一个函数F(x,y,A)，其中x和 y 是向量并且A是矩阵，同时约束sum(x * y) >= sum(y/3)和sum(x)=1。我试过使用nloptr：

我收到一个错误： 'A' passed to (...) in 'nloptr' but this is not required in the eval_g_ineq function.

如果我说nloptr( ... , y, A)

我得到：eval_f requires argument 'cov.mat' but this has not been passed to the 'nloptr' function.

任何建议都会很棒。谢谢

我正在尝试解决受动态（h(x, x', u) = 0）约束的非线性最优控制问题。
给定：
f(x) = (u(t) - u(0)(t))^2 # u0(t) 是提供给系统的初始输入
h(x) = y'(t) - 积分(sqrt (u(t))*y(t) + y(t)) = 0 # 一个非线性微分方程
-2 < y(t) < 10 # 系统状态限制在这个范围内
-2 < u(t) < 10 # 系统状态限制在这个范围
u0(t) # 将被定义为任意分段线性函数

我尝试使用 openopt 和 scipy 将问题转换为 python 代码：

现在的问题是，使用像y0 = 10这样的正初始 y0 运行代码，代码将产生令人满意的结果。但是给y0 = 0或负一个y0 = -1，nlp 问题将是有缺陷的，说：
“没有获得可行的解决方案（1 个约束等于 NaN，MaxResidual = 0，objFunc = nan） ”
另外，考虑到分段线性初始 u0，如果在 函数的第一个范围内放置 0 以外的任何数字t < 3，则表示：
u0 = np.piecewise(t, [t < 3, and_(3 <= t, t < 6), 6 <= t], [2, lambda t: t - 3, lambda t: -t + 9])
而不是：
u0 = np.piecewise(t, [t < 3, and_(3 <= t, t < 6), 6 <= t], [0, lambda t: t - 3, lambda t: -t + 9])
这将再次导致相同的错误。
有任何想法吗 ？
提前致谢。