scipy优化器optimizer 作者:佚名 发布时间:2024-06-24
#optimazer优化器
from scipy.optimize import minimize
def rosem(x):
return sum(100.0*(x[1:]-x[:-1])**2.0+(1-x[:-1])**2.0)
x0=np.array([1.3,.7,.8,1.9,1.2])
res=minimize(rosem,x0,method="nelder-mead",options={"xtol":1e-8,"disp":True})
#method="nelder-mead"优化器采用的算法;"xtol":1e-8为精度;"disp":True显示中间过程
print("rose mini:",res)#求函数最小值
print("rose mini:",res.x)
#有约束条件的求最小值,目标值
def func(x):
return (2*x[0]*x[1]+2*x[0]-x[0]**2-2*x[1]**2)
def func_derive(x):#求导数
dfdx0=(-2*x[0]+2*x[1]+2)#x0的导数 x[0]
dfdx1 = (2 * x[0] -4* x[1]) # x1的导数 x[1]
return np.array([dfdx0,dfdx1])
constriate=({"type":"eq","fun":lambda x:},"jac":lambda x:,#等式约束
"ineq", "fun": lambda x:}, "jac": lambda x:)#不等式约束
res=minimize(func,[-1,1],jac=func_derive,constraints=constriate,method='SLSQP',
options={"xtol":1e-8,"disp":True})#jac为雅可比行列式,constraints约束条件,method算法
#求根
from scipy.optimize import root
def fun(x):
return x**2
sol=root(fun,0.1)#求根,赋值0.1
print (sol.x,sol.fun)#sol.x为根,sol.fun为根的值