问题标签 [scipy-optimize-minimize]

我写了一个 Gorubi 优化代码，但是因为一些问题，我需要转换成 Scipy 代码。转换它仍然有困难。以下是与 Gorubi 相关的部分代码：

我的 x 约束只能有 -1 或 0 或 1 个值。另一个约束是 Y，其中每一步 y(i+1)-y(i) 等于 3.75*X(i)。
是否可以将此代码转换为 Scipy？或者你推荐任何其他图书馆？

我有一个用 python 编写的应用程序，用于计算函数的最小返回值。我使用 scipy.optimize.mminimize 和 SLSQP 作为优化方法。它循环运行，为了节省时间并将其从仅查找局部最小值中解脱出来，我需要它来使用我提供的 x0。问题似乎是它不在乎我给它什么 x0。它只是从随机值开始优化。我做错了什么？

我编写了一个小型测试应用程序来测试最小化器上的 x0：

我正在尝试将我的 gurobi 代码转换为 scipy，但我无法定义目标函数。在测试我是否正确定义了函数时，我得到了错误：

代码在这里：

错误的完整堆栈跟踪：

在这个问题之后，我想让我的问题尽可能具体，重点放在我无法解决的部分。考虑一个非常简单的函数：

现在我想使用 thescipy.optimize.minimize或任何其他现有函数来查找xand y（即参数）以最小化foo给定常量a,b和c（即 args）。如果我只有一个参数和多个参数，那么从这个页面我可以做到：

如果我只有自变量，没有常量参数，那么从这个页面我可以做：

但是，我不能使用上述任何语法。我相信我必须将我的功能定义为：

但后来我不知道如何传递args和传递kwargs给scipy.optimize函数。如果您能帮助我了解foo使用多个独立参数和函数的常量参数定义函数的最佳方法，我将不胜感激scipy.optimize。提前感谢您的支持。

我在使用 scipy.minimize.optimize 时遇到问题。这是我的代码。

我试图最小化func(x)关于 N 的函数以找到 N 最小值，但NMin(error).nMin()似乎正在返回x0 = 1而不是 N 最小值。这是我的输出。

我对此感到非常困扰，因为我似乎无法找到问题所在，而且我不明白为什么scipy.optimize不起作用。

它是最新的 scipy 1.4.1 包，我们有BFGS 局部最小化技术norm，它有一个设置为无穷大的子参数，文档说：

规范：浮动

范数阶（Inf 为最大值，-Inf 为最小值）。

这是什么意思？norm可以取什么值？我应该将它保留为 Inf，还是应该给它一些浮点值并尝试哪个更好？如果我将它设置为 -Inf 会发生什么？

这个变量在优化器中的作用是什么？

我是 Python 新手，我试图弄清楚一切是如何工作的。我对 scipy.optimize 包的最小化功能有一点问题。我尝试使用一些起始值最小化给定函数，但 python 给了我非常高的参数值。这是我的简单代码：

如果我运行这个脚本，最好的给定参数是：

这真的不能解决这个问题。我也尝试了一些稍微不同的起始值，但这并不能解决我的问题。谁能告诉我我的错误在哪里？非常感谢你的帮助！

我正在尝试在 scipy.optimize 的最小化函数调用的成本函数中使用多处理。在成本函数内部，我有一个要并行计算的循环。

代码的简化版本如下：

R = p.starmap(calc_R, shift_args)代码在该行冻结。

如何进行多处理？

非常感谢任何帮助。

I am trying to minimize a function defined as follows:

where variables take the following form:

decision = binary array

risk = array of floats

cost = constant

I know the solution will take the form of:

decision = 1 if (risk >= threshold)

decision = 0 otherwise

Therefore, in order to minimize this function I can assume that I transform the function utility to depend only on this threshold. My direct translation to scipy is the following:

This gives me the following result:

However, I know the result is wrong because in this case it must be equal to cost. On top of that, no matter what x0 I use, it always returns it as the result. Looking at the results I observe that jacobian=0 and does not compute 1 iteration correctly.

Looking more thoroughly into the function. I plot it and observe that it is not convex on the limits of the bounds but we can clearly see the minimum at 0.1. However, no matter how much I adjust the bounds to be in the convex part only, the result is still the same.

What could I do to minimize this function?

我想最小化以下功能：

我想将以下约束添加到B = [1,2,3,4,5,6,....]（B 始终具有偶数长度）：

对于列表 (1,2), (3,4), (5,6)... (b1,b2) 中的每一对，在优化结束时，这两个值中的一个应该变为 0。所以从逻辑的角度来看：b1 + b2 = b1 xor b1 + b2 = b2

如果我把它写成一个约束，它看起来像这样：

约束如下所示：

但它不起作用，因为我的配对最后看起来像这样（我的每个值的界限是（0,20））：

看起来算法默认在else语句的约束中。我尝试将 B 初始化为 0，但随后出现 MathError，因为不能除以 0。

有没有办法实现这个？