问题标签 [scipy-optimize]

我在优化包含循环的函数时遇到问题。我从lista=[0.002,0.006,0.003,0.02,0.008,0.006,0.05] 浮点数和间隔 `(0,k*0.0025),(0.005,k*0.005),(0.005,k*0.0125) 开始，其中上边界取决于。因此，根据列表的浮点数属于哪个区间，我将值 k*0.005、k*0.01、k*0.025 和 k*0.05 之一分配给函数，这些值也取决于 k。

我想最小化，使得或k值的总和（新标量函数）等于 0.32。assign(k)sum(assign(k))

我使用scipy.optimize程序来做到这一点。我的约束是constraint=sum(assign(k))-0.32和目标函数 iz fun(k)=k。所以，我最小化k以满足约束。

我得到k=1.1999这是一个奇怪的结果，它不满足约束。应该是2因为sum(assign(2))=0.52。我还收到一条错误消息：

有谁知道如何克服这个限制？先感谢您！

将 Sympy 派生方程转换为与 scipy.optimize.newton 兼容以解决多变量问题

我提到了Error using 'exp' in sympy -TypeError 和 Attribute Error is displayed。我发现使用 lambdify 将使符号方程与其他包兼容，例如 numpy 和 scipy。

这是我上一篇文章的延续：Error using 'exp' in sympy -TypeError and Attribute Error is displayed

我似乎无法让牛顿的方法起作用。任何信息或资源表示赞赏。

我正在用多项式拟合我的数据curve_fit。我已经强制拟合通过某些数据点，但我实际上不知道这些点是什么。

如果这是我的拟合功能：

在哪里：

值 42、156 和 2000 实际代表什么？值 113、197 和 1100 似乎是 X 值的索引。基本上我不知道范围的第一个值代表什么。

在使用 scipy.optimize.minimize 和 trust-constr 方法时，我得到了这个 UserWarning：

我有一个线性函数，所以我想尝试将粗麻布设置为零。但这是如何工作的？我尝试了使用“hess = None”作为参数的最简单方法。好吧，一个糟糕的尝试。

这是调用求解器的行：

使用盆地跳跃时出现此错误： basinhopping_bounds() got an unexpected keyword argument 'f_new'

我正在尝试在 Python 中实现对X、F 模型的分析以解决DTLZ7 问题。

所以，我从 4 线性 FO 的问题开始，结果我知道。当尝试使用盆地跳跃来解决问题时，我得到了上面的错误（scipy-1.2.1.）。有谁知道出了什么问题？

下面是部分代码：

我正在尝试优化将两个输入“m，d”作为输入的损失函数。这两个都是 (32, 32, 1) 矩阵。我无法弄清楚如何将它们的值限制在 0 和 1 之间。“m，d”是我应用于某些输入的过滤器，这些输入被输入到经过训练的 ML 模型中。

我看过这些文件

https://scipy-lectures.org/advanced/mathematical_optimization/index.html#id54 （参见 Box-Bounds；章节内容中的超链接） https://docs.scipy.org/doc/scipy/reference/tutorial/optimize。 html

scipy 最小化约束

我收到此错误消息： ValueError: length of x0 != length of bounds

我知道边界和输入应该具有相同的尺寸。有没有方便的输入边界的方法？

我想使用 Markowitz 理论（给定收入的 Markowitz 方法最小化风险 = 15%）和 Scipy.minimize 优化我的投资组合

我有风险功能

部分库存总和(%) = 1

有限制的收入函数

我使用以下方法对其进行测试：

我的结果是：

但是怎么做？部分投资组合的总和不能超过 1（现在部分股票 2=stock3=stock4=100%）。它的约束1。问题出在哪里？

我试着适应我的曲线。我的原始数据在 xlsx 文件中。我使用熊猫提取它们。我想做两种不同的拟合，因为 Ra = 1e6 的行为发生了变化。我们知道 Ra 与 Nu**a 成正比。对于 Ra <1e6，a = 0.25，如果不是，则 a = 0.33。

所以我使用日志：logRa = a * logNu。Ra = x 轴 Nu = y 轴 这就是我以这种方式定义函数 func 的原因。

如您所见，我的两次合身并不完全正确。我的协方差等于 [0.00010971]。所以我不得不做错事，但我没有看到。我需要帮助。这里的数据文件： data.xlsx

为了解决我使用的二次最小问题scipy.Optimize.Minimize。

首先我初始化我的函数和一些要点：

但后来我遇到了约束问题。当我这样做时没有错误，它可以工作：

但是当我这样做时，它返回RuntimeWarning：遇到无效值double_scalars并且不起作用：

PS：这里是结尾：

在不起作用的情况下，我不知道我的错误在哪里。先感谢您 ：）

我有一个应该是锯齿波的情节。

我正在尝试将锯齿方程（如wiki上给出的）拟合到数据点，但我无法这样做。

但我得到了荒谬的结果。最初的猜测，我使用一个值 (-100, 18) 提供给 curve_fit 并尝试计算 A 和 fi 的值。任何帮助表示赞赏。