问题标签 [scipy-optimize-minimize]

我试图解决一个最优控制问题，其中成本函数是 J = x^TQ x + u^TR u 受 x_dot = A x + B u 和 x 和 u 的限制。我知道有一些求解器，如 cvxpy、yalimp 等，可以做到这一点，但我想自己做，以便对编码和将来可能添加的一些其他参数有更好的了解。我附上了我写的代码。它运行但对所有时间步返回相同的值。我已将 x 和 u 堆叠为单个向量。我不知道这是否是正确的方法。我认为可以以更好/有效的方式编写代码。欢迎所有建议，并非常感谢您提前提供任何帮助

灰

我有 2 个固定参数(A,B)和 2 个不固定参数(C,T_o)用于计算方程中的计算响应值R_computed = A + B*tanh((T-T_o)/C)。与之比较的实际值“R”需要在两者之间具有最小的可能误差。我已经用一个对平方和求平方根的函数计算了最小误差。

该功能是我试图在 and 中最小化的optimize.minimize功能。C,T_ox0args= (A,B,R,T)

目前我在第 52 行遇到错误： R_comp = A + B*np.tanh((T-T_o)/C)

TypeError：只有长度为 1 的数组可以转换为 Python 标量

这个错误是新的，我之前已经解决了这个问题，但由于我把代码弄得太乱了，所以无法回到原来的位置。最终目标是绘制(T,R)R_new(T,R_new)基本上是适合 R 的曲线

任何注释掉的东西都是我尝试过的。

我有三个具有相同列的 Pandas 数据框，如下所示：

我有第四个数据帧，其中行数对应于我拥有的数据帧数，所以这里我有 3 行，然后是 3 个数据帧。

我要做的是计算第四列，它基本上是 C 列除以 B 列。我希望从 B 列每一行的值列表中选择每行一个值。并且该值应该是用于所有数据帧（意味着如果我为索引“a”选择 0.5，那么该值应用于索引为“a”的所有数据帧。但选择需要满足这些条件

环顾四周似乎是一个优化问题，但我不知道如何使用 SciPy 来解决它。

我正在使用 scipy 库来解决优化问题。

我的优化代码：

我正在使用 nelder-mead 单纯形求解器来解决无约束的优化问题。优化器运行并打印

我有几个关于

1. 迭代和函数评估是什么意思？
2. 默认终止条件是什么？
3. 如何更改默认终止条件？

我在文档中找不到太多信息。有人可以帮助我理解这些。谢谢

这是一个简短的问题，但谷歌每次都指向我找不到答案的文档。

我正在使用 scipy.optimize.minimize。它工作得很好，一切都很好。我可以定义要使用的方法，但即使我没有指定方法，它也可以工作。

有什么方法可以得到输出，使用了哪种方法？我知道结果类，但那里没有提到该方法。

这是一个例子：

我可以将 value 方法设置为类似slsqpor cobyla，但我想看看程序选择了什么。我怎样才能得到这些信息？

背景（可能不相关）：我正在使用随机特征进行稀疏内核近似，然后将其用于普通贝叶斯线性回归设置。为了优化两个超参数 [gamma, var_y]，我使用了重新参数化技巧并最小化变分上限-E[log(p(y|f(x)))] + KL(q(w)||p(w))。

问题：在优化过程中，x0 参数（初始猜测）从 [gamma, var_y] 更改为 [[gamma, var_y]] 导致最小化过程失败。这是因为当 x0 被解包时，只有一个值而不是两个。奇怪的是，每次调用最小化时都不会发生这种情况。

当 x0 改变形状时手动重塑 x0 会导致最小化函数中的错误，并且也会解决问题。

代码：

运行最小化：

在每次迭代中打印 x0 显示以下内容：

最后一行显示形状变化的地方。引发以下错误np.exp(x0)：

更新：收敛图显示 4 次最小化运行的目标函数评估（均因相同问题而失败）。显示超参数值在最小化过程中如何变化的超参数图。

目标函数评估

超参数

我正在使用scipy.optimize.minimizewithmethod='bfgs'来训练凸目标。

每次我运行最小化时，BFGS 优化器对我的目标函数所做的前两个调用总是具有相同的参数向量。这似乎没有必要，因为它浪费了好几分钟重新计算两次相同的东西。

最小工作示例（目标更简单）；

输出;

有谁知道这是否是 scipy 中 BFGS 实现的预期行为？

更新：我已将此作为Scipy 项目的issue #10385提交。

我想通过使用 scipy.optimize 优化 W((1×9)matrix) 中的 9 个变量。

但我得到一个像这样的 TypeError

我将“缺点”更改为

然后它工作得很好，我得到了一个结果

我无法找到一个好的解决方案。

所以我正在尝试编写一个 scipy.optimize.minimize 的最小工作示例，而不仅仅是一个示例。

基本上，我的示例适用于一个变量的 lambda 函数，但只要我添加另一个变量，它就会崩溃。

前三行执行没有错误并给出正确的结果，但最后三行给我以下错误

任何人都可以给我一个提示我做错了什么？

我有五个变量，我想根据、、、和scipy.optimize.minimize来找到我正在寻找的解决方案。首先，我导入并定义了初始猜测（基于实验室实验，因此它们应该是有效的）。ABCDEminimizescipy

其次，我定义了组成目标函数的各个函数，命名方便Objective。我还尝试将F, G, H, and组合I成一个函数，但没有任何运气，所以我决定暂时保持这种状态。

第三，为了简单起见，我定义了constraint(ie (F/G)/(H/I)=1) 以及命名bnds为初始猜测的边界。+/- 10%

第四也是最后，minimize为我提供了一个名为sol.

如果 sol 要由 打印print(sol)，将出现以下消息。

对我的新手来说，constraint这似乎是问题所在，但由于缺乏经验，我不确定minimize。

• 我做错了什么？
• 为什么它没有成功执行？
• root_scalar在这种情况下，按照@fuglede 的建议使用会更好吗？
• 是否可以将所有单独的功能包含在一个功能中以避免造成混乱？

请注意D0和d不包含在任何功能中，但作为五个自变量之一在事物的宏伟计划中很重要。