很大的非线性最小二乘优化的收敛性
我正在尝试解决以下问题:正在生长的器官有很多(〜80000)个表面斑块.我测量了其随时间变化的每个区域(18个时间点)，并希望拟合一条增长曲线(双逻辑模型，例如，只是两个逻辑函数bcs的总和.观察期). 我有框式约束来确保指数项不爆炸，而线性约束则是一种增长突增必须在另一种之后发生.另外，为了在拟合参数中实现某种类型的空间连续性，我在目标函数(最小二乘法)上添加了一个惩罚项，该惩罚项是相邻面
..
mathematical-optimization相关内容
创建适合以下参数的伪数据集:N，均值，sd，min和max
是否有一种方法可以创建符合以下参数的伪数据集:N，平均值，标准差，最小值和最大值? 我想创建一个187个整数量表分数的样本，其平均数为67，标准差为17，观测值在[30，210]范围内.我正在尝试演示有关统计能力的概念性课程，并且我想使用看起来像已发布结果的分布来创建数据.在此示例中，规模得分是30个项目的总和，每个项目的范围从1到7.我不需要构成规模得分的单个项目的数据，但这将是一个奖励.
..
具有阶跃函数的目标函数的优化
我已经问过此问题，但回答不是很令人满意.所以我再次在这里问: 我有一个线性不等式和等式约束的优化问题: A*x
..
告诉scipy.optimize.minimize失败
我正在使用scipy.optimize.minimize对目标函数进行无限制的优化，该目标函数接收几个参数并基于这些参数运行复杂的数值模拟.在某些情况下，在某些情况下，我使目标函数返回inf，在这种情况下，该模拟并不总是收敛. 我认为，这种破解将阻止最小化收敛于使模拟发生分歧的一组参数附近的任何地方.取而代之的是，我遇到了这样一种情况，即模拟甚至不会针对初始参数集收敛，但是优化没有失败，而是
..
优化计算中使用的#个线程的算法
我正在执行一个操作，我们称之为CalculateSomeData. CalculateSomeData在连续的“世代"中运行，编号为1..x.整个运行中的世代数由CalculateSomeData的输入参数确定，并且是先验的.一代完成从30分钟到2个小时不等.某些可变性是由于输入参数引起的，无法控制.但是，这种可变性的一部分是由于硬件容量，其他进程的CPU负载，网络带宽负载等因素造成的.每代可以控
..
Rsolnp:在cbind(temp，funv)中:结果的行数不是向量长度的倍数(arg 1)
我是stackoverflow的新手，并进行了很多搜索，但找不到我的问题的答案.我正在尝试使用优化软件包Rsolnp来最大程度地减少问题.尽管求解器为我提供了解决方案，但是每次运行代码时，我都会收到以下警告消息: 警告消息:1:在cbind(temp，funv)中: 结果的行数不是向量长度(arg 1)的倍数 此外，该解决方案与我通过ipop和resolve.QP获得的解决方案完全不同
..
在非线性优化函数`nloptr`中传递参数
我的初始问题可以在这里找到:在R中进行任意优化约束 这引发了另一个问题，如何将参数传递到nloptr. 我需要最小化函数F(x,y,A)，其中x和y是向量，而A是矩阵，同时具有sum(x * y) >= sum(y/3)和sum(x)=1的约束. 我尝试使用nloptr: F
..
使用scipy.optimize最小化多元可微函数
我正在尝试使用scipy.optimize最小化以下功能: 它的渐变是这样的: (对于感兴趣的人来说，这是用于成对比较的Bradley-Terry-Luce模型的似然函数.与logistic回归紧密相关.) 很显然，向所有参数添加常量不会更改函数的值.因此，我让\ theta_1 =0.这是目标函数和python中的渐变的实现(theta在此处变为x): def objec
..
Scipy.optimize.minimize method ='SLSQP'忽略约束
我正在使用SciPy进行优化，而SLSQP方法似乎忽略了我的约束. 具体来说，我希望x [3]和x [4]在[0-1]范围内 我收到消息:“不平等约束不兼容" 这是执行结果，后跟示例代码(使用伪函数): status: 4 success: False njev: 2 nfev: 24 fun: 0.11923608071680103 x: array([-
..
如何对矩阵执行离散函数优化?
我想对条目为0或1的所有30×30矩阵进行优化.我的目标函数是行列式.一种实现此目的的方法是某种随机梯度下降或模拟退火. 我查看了 scipy.optimize ，但它似乎不支持这种据我所知优化. scipy.optimize.basinhopping 看起来很诱人，但它似乎需要连续变量. Python中是否有用于此类常规离散优化的工具? 解决方案 我认为遗传算法可能效果很好.
..
如何定量测量SciPy的拟合优度?
我想找出最适合给定数据的方法.我要做的是遍历n的各种值，并使用公式((y_fit-y_actual)/y_actual)x 100计算每个p的残差.然后，我计算每个n的平均值，然后找到最小残差均值以及相应的n值，并使用该值进行拟合.可复制的代码包括: import numpy as np import matplotlib.pyplot as plt from scipy import op
..
NMinimize吃掉不必要的符号工作的所有内存b/c
以下代码是一种幼稚的方法，可找到平方数为n的平方的最小数(最小应为对数，而x_i是其素因式分解的幂).如果我看n = 2000的情况，并使用10个变量而不是20个变量，那么这将使用大约600MB的内存.使用n的值，我实际上是在寻找答案.我需要大约20个变量，以确保不会丢失实际的解决方案，并且该解决方案很快会耗尽所有可用的内存，然后崩溃进行交换. n=8*10^6; a = Table[N[L
..
data.frame列的子集以最大程度地“完成"数据集.观察
我有一个数据框，其中包含20个数字列，每个数字列包含大量的NA值.我想选择这些列的子集，以便为我提供最多包含零NA值的行.详尽的搜索将花费大量的计算时间-是否有更好的方法来获得近似值? 下面是一个数据帧较小(完全任意)的示例: set.seed(2) foo = as.data.frame(matrix(rnorm(200), nr = 20)) foo[sapply(foo, fun
..
更改计划的开始日期以优化资源
我有很多工作需要在特定的时间间隔执行.但是，我们每天都有有限的资源来完成这项工作.因此，我正在尝试优化开始时间日期(开始时间日期只能向前移动而不能向后移动)，以使每天使用的资源与我们预算的资源更加相似. 这些功能在以下示例中使用: # Function to shift/rotate a vector shifter
..
恢复scipy.optimize中的优化?
scipy.optimize提供了用于多元和局部优化全局系统的许多不同方法.但是，我有一个很长的优化运行需要，可能会被中断(在某些情况下，我可能想故意中断它).有什么办法可以重启...好吧，其中的任何一个吗?我的意思是，显然可以提供一组最初始，最优化的参数作为初始猜测，但这并不是唯一的参数-例如，还存在梯度(例如，美洲鳄)，差异进化种群等我显然不希望这些也重新开始. 我看不出有什么办法可以证
..
优化以查找复数作为输入
我想知道是否有C/C ++库或Matlab代码技术使用最小化求解器确定实数和复数.这是一个代码片段，显示了我想做什么.例如，假设我知道Utilde，但不知道x和U变量.我想使用优化(fminsearch)确定给定Utilde的x和U.请注意，Utilde是复数. x = 1.5; U = 50 + 1i*25; x0 = [1 20]; % starting values Utilde =
..
pyomo生成具有大量约束的模型的性能
我对Pyomo生成具有大量约束和变量(大约10e6)的OR模型的性能感兴趣.我目前正在使用GAMS进行优化，但是我想使用不同的python功能，因此要使用Pyomo生成模型. 我做了一些测试，显然当我编写一个模型时，每次实例化约束时都会调用用于定义约束的python方法.在进一步实施之前，我想知道是否存在一种基于numpy数组数据直接创建约束块的方法?从我的角度来看，对于大型模型，按块构造约
..
使用SciPy最小化受线性等式约束的二次函数
我有一个相当简单的约束优化问题，但根据我的操作方法会得到不同的答案.首先，让我们先进行导入和漂亮的打印功能: import numpy as np from scipy.optimize import minimize, LinearConstraint, NonlinearConstraint, SR1 def print_res( res, label ): print("\n
..
为什么在我的遗传算法中添加交叉功能会给我带来更糟糕的结果?
我已经实施了遗传算法来解决旅行商问题(TSP).当我只使用突变时，与添加分频器相比，我会找到更好的解决方案.我知道正常的分频方法不适用于TSP，因此我同时实现了订购分频器和 PMX分频器方法，并且都遭受不良结果. 以下是我正在使用的其他参数: 突变:单交换突变或反向子序列突变( 选择:轮盘选择 健身功能:1/游览距离 人口规模:经过100、200、500的测试，我还运行了5
..
Python中的随机优化
我正在尝试将 cvxopt (优化求解器)和作为参考，使用pip安装两个软件包都很简单: pip install cvxopt pip install pymc 两个程序包都可以很好地独立运行.这是一个如何使用cvxopt解决LP问题的示例: # Testing that cvxopt works from cvxopt import matrix, solvers # Exa
..