问题标签 [scipy-optimize]

我正在尝试在约束下找到最佳解决方案，并将 SciPy 最小化与 SLSQP 一起使用。它完美地工作，没有单个约束的问题。一旦我添加了另一个约束，它就会成功完成，但没有达到优化目标。

我认为我的问题在于约束函数定义（约束 2 有点棘手），并决定学习如何正确使用最小化。

我切换到一个简单的第二个约束，但又得到了一个未优化的解决方案。

待优化函数：samples_in_year = 246.5

功能优化输入：

约束：

优化函数

分别使用这些约束中的每一个，它都可以正常工作，我不能让它同时与它们一起工作。我相信，如果我能够解决“更简单”的问题，我将能够优化真正的问题。

每个约束优化的结果都是正确的，两个约束问题的结果是默认使用的权重（初始猜测）

我尝试使用 scipy.optimize 库中的 fsolve 函数来求解改变方程参数的非线性方程，但是当我运行代码时，我收到以下错误消息：

TypeError：输入了不正确的输入参数。

我多次查看该程序，但仍然找不到问题。我在互联网上进行了搜索，但没有找到任何文档或遇到相同问题的人。我为函数编写了这段代码：

我写了一个循环，方程的值会发生变化，但我总是在每种情况下找到“h”的值，所以我使用 fsolve：

问题出现在这一行。

PS：我已经尝试使用 args=()，但返回相同的消息。

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？

我正在尝试使用 scipy 全局优化来解决优化问题。我正在使用差异进化。

代码

我的目标函数将这三个参数作为输入并给出输出。我只想优化前两个参数。所以我作为参数传递的第三个参数。

当我运行优化器时，我在第一次运行后得到一个错误，它说

我猜这个参数没有被附加到第二次运行的 x 值。

有人可以帮我解决这个问题吗？

我有一些包含三列、x、y和的数据b。在这里，b每个值都有关联的x值。（Nb x 总是增加）

也就是说，数据看起来像：

假设此数据适合某个模型y = ax + math.log(b)。我可以通过执行以下操作来计算每个值：

现在说我想优化 f(x,a) 的拟合以a使用scipy.optimise.curve_fit.

我试图这样做：

但这样做会导致错误：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

这是由于 curve_fit 函数将所有 x 数据作为一个数组传递，导致if xData[i] >= x:语句变得不明确。

我想不出办法解决这个问题。我尝试创建 xData 和 bData 的配对列表并将其传递curve_fit给无济于事。

如果我只是硬编码b为一些预先确定的值，这会起作用，所以我相信我curve_fit正确地调用了该函数。欢迎咨询。

我试图最小化 76 个参数的函数。我希望每个参数值都在 0 到 5 之间。

默认算法 LBFGS 未能找到最优值。

因此，我尝试了 TNC 算法，虽然它实现了良好的目标函数值，但它给我的解决方案却忽略了界限。它的输出似乎没有表明任何失败。

这是 TNC 优化的输出：

我在使用 scipy.optimize 时收到以下警告： RuntimeWarning：power遇到无效值 据我了解，这来自 numpy 的 exp 函数，但我无法弄清楚如何解决我的问题

我查找了多种已提出的解决方案，但似乎没有一个适合我的问题，或者我根本不够熟练，无法将它们应用于我的特定问题

我正在尝试将以下数据拟合到修改后的 3 参数 Weibull 函数

模块：

我的数据如下：

拟合函数：

拟合和可视化：

有人可以帮我摆脱这个错误吗？

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。

我正在尝试使用 Scipy 的 Optimize 运行一些曲线拟合。我不使用 polyfit 这样做，因为我想确保曲线是单调的，考虑到我的关系。所以假设我在硫和温度之间有以下关系：

我想找到一条曲线来适应这种单调递增的关系。

我在周围找到了一些代码，这就是我所拥有的：我计算多项式并将其用于目标函数，并且我将一阶导数约束为每个点的正数。我还使用 polyfit 值作为 x0 以加快操作：

但是，优化总是返回：

我尝试了规范化（比如 sul_norm = sul / max(sul) 有效），通过这样做优化会成功进行，但我想避免这样做（我必须在某一点反转函数，然后它可以回到原始值会变得混乱）。此外，在我看来，这种关系非常基本，温度和硫之间的值在不同的尺度上并没有那么极端。会是什么呢？谢谢！

我想在我的数据点上拟合泊松分布，并想根据卡方检验决定我应该接受还是拒绝这个提议的分布。我只使用了 10 个观察值。这是我的代码

我使用 10 个观察值，因此自由度为 9。对于这个自由度，我在卡方分布表上找不到我的 p 值和 chi 值。我的代码有什么问题吗？或者我的输入值太小以至于测试失败？如果 P 值 >0.05 分布被接受。虽然 p 值很大 0.999，但为此我在桌子上找不到卡方值 0.4588。我认为我的代码有问题。如何修复此错误？

这个返回的chi值是尾巴的临界值吗？如何检查提出的假设？