mathematical-optimization相关内容
我想对我的世界进行半定规划优化,以绝对值之和为约束.例如: abs(x1) + abs(x2) + abs(x3)
..
我正在尝试使用Solve.QP解决投资组合优化问题(二次问题) 共有3个资产 有4个约束条件: 权重之和等于1 投资组合的预期回报率等于5.2% 每项资产权重均大于0 每个资产权重小于.5 Dmat是协方差矩阵 Dmat
..
我正在构建一个脚本,该脚本会生成输入数据[参数],供另一个程序计算.我想优化结果数据.以前,我一直在使用numpy powell优化.伪代码看起来像这样. def value(param): run_program(param) #Parse output return value scipy.optimize.fmin_powell(value,param)
..
初始化从用户“猜测"顶点进行Nelder-Mead单纯形搜索的单纯形的最佳方法是什么? 解决方案 我不确定在Nelder-Mead方法中是否存在最佳选择初始单纯形的方法,但是以下方法是通常的做法. 初始单纯形S的构造是通过在N维度空间中围绕您称为用户的“猜测"顶点xin的位置生成n+1顶点x0,..,xn来获得的.最常见的选择是 x0=xin 然后生成 和其余的n顶点,
..
问题:我有很多要点.这些点中的每个点都有一个列表,其中引用了其他点,并且它们之间的距离已经计算和存储.我需要确定从起点开始并经过特定数量的点到任何目的地的最短路线. 例如:我正在休假,我住在一个特定的城市.我正在单程旅行以查看任何四个城市,我希望旅行的距离尽可能短.我不能多次访问同一个城市. 当前解决方案:现在,我只是手动遍历所有可能性并存储最短路径.这行得通,但感觉效率低下.另外,这
..
我的代码是使用L-BFGS优化来实现主动学习算法.我想优化四个参数:alpha,beta,w和gamma. 但是,当我运行下面的代码时,出现了错误: optimLogitLBFGS = sp.optimize.fmin_l_bfgs_b(func, x0 = x0, args = (X,Y,Z), fprime = func_grad)
..
我注意到R并没有使用我所有的CPU,因此我希望将其大幅度增加(最多100%).我不希望它仅并行化一些功能;我希望R使用更多的CPU资源.我正在尝试使用lp()函数运行纯IP集打包程序.当前,我运行Windows,并且我的计算机上有4个内核. 我曾尝试过下雪,doParallel和foreach(尽管我不知道我到底对他们做什么). 在我的代码中,我有这个... library(fo
..
我一直在解决 Project Euler 和Sphere Online Judge问题.在这个特定问题中,我必须找到两个给定数字内的所有素数.我有一个看起来很有前途的功能(基于筛网的筛子),但它太慢了.有人可以发现导致我的功能减慢这么多的原因,并暗示如何解决该问题吗?此外,对于一般如何进行优化的一些评论(或指向此类评论/书/文章等的链接)也将不胜感激. 代码: def ranged_s
..
论坛 我有一组数据,这些数据显然在3D空间中形成了一个椭圆(不是椭圆体,而是3D中的曲线). 受到以下线程的启发 http://au.mathworks.com/matlabcentral/newsreader/view_thread/65773 在某人的帮助下,我设法使优化代码运行并输出一组最佳参数x(向量).但是,当我尝试使用此x复制椭圆时,结果是空间中一条奇怪的直线.我已经被堆积了好几
..
有人可以帮助我解决R中的多元函数参数优化问题吗,我有一个这样的数据集.这只是数据的一个子集,整个数据集的维度为n type * m regions * 12 months. Month region type physics maths allsub Jan r1 1 4 5 9 Feb r1 1
..
我想使用scipy.optimize模块来最小化功能.假设我的功能是f(x,a): def f(x,a): return a*x**2 对于固定的a,我想相对于x最小化f(x,a). 使用scipy,我可以导入例如fmin函数(我有一个旧版本:v.0.9.0),给出一个初始值x0,然后进行优化(from scipy.optimize import fmin x0 = [1] xo
..
我正在寻找一种简单的方法来用Java完成MATLAB的fminsearch()所做的工作.我不需要像fminsearch那样通用,就我而言,我只想找到单变量非线性函数的最小值(函数和参数值最小).我不知道该函数的解析表达式,但是我可以轻松地对其进行评估. 您知道执行此操作的库,还是可以重新实现的简单算法? 注意:我看到apache的通用方法似乎有这样的东西(UnivariateOpti
..
开始学习pytorch,并尝试做一些非常简单的事情,尝试将大小为5的随机初始化向量移动到值为[1,2,3,4,5]的目标向量. 但是我的距离并没有减少!而我的向量x却发疯了.不知道我在想什么. import torch import numpy as np from torch.autograd import Variable # regress a vector to the go
..
我正在尝试在MATLAB和Octave中的两个函数之间获得一个简单优化问题的一致答案.这是我的代码: options = optimset('MaxIter', 500 , 'Display', 'iter', 'MaxFunEvals', 1000); objFunc = @(t) lrCostFunction(t,X,y); [result1] = fminsearch(
..
我想拟合线性模型 y ~ a_1 * x_1 + ... + a_n * x_n 具有参数约束 a_1,...,a_n >=0 和 a_1 + ... + a_n
..
我想对以下非线性方程式进行根搜索,我在Python中进行了搜索,但没有用.我的代码在下面 from pylab import * import scipy import scipy.optimize def z1(x,y): temp=1+1j+x+2*y; return temp def z2(x,y): temp=-1j-2*x+sqrt(3)*y;
..
我可以根据python中的参数求解非线性方程组吗?有例子或教程吗?我可以在maple中轻松地做到这一点,但是我特定系统的表达式很大,将它们复制过来非常困难. 示例: sigma*(y-x) = 0 x*(rho-z)-y = 0 x*y-beta*z = 0 您应该获得解决方案: [[x = 0, y = 0, z = 0], [x = sqrt(beta*rho-beta)
..
我有一个黑盒函数f(x)和x的取值范围. 我需要找到f(x)= 0的x的最小值. 我知道对于x范围的开始,f(x)> 0,并且如果我有一个f(x)
..
我在2D图中有很多点.红点表示实验稳定的时间,黑点表示不稳定的时间.在此对数-对数图中,两个区域明显由一条线隔开,我想找到最佳的“分离线",即给出将两个区域分开的标准并且在该标准上具有最小误差的线.我在各种书籍和在线上进行了搜索,但是找不到任何解决此问题的方法.您知道任何工具吗?首先必须定义错误.我想到的一件事是:如果未知线是ax + by + c = 0,则对于每个点(x0,y0),我们都定义一
..
我编写了一种算法,该算法返回的列表类似于nsga2返回的列表. (软件包"mco"的nsga2( pdf )) 该算法本身无法识别某个点是否为非支配点.它返回的某些点占主导地位,并且仅包含点及其值,而不包含nsga2返回的逻辑向量. 我正在尝试获取非支配点(不是它们的值). 使用nsga2的结果,您可以使用paretoSet()来获取值,但这取决于在nsga2期间是否已预先计算逻辑向
..