nonlinear-optimization相关内容
我有一个用渐近度表示的方程系统: def test1a(A): t, tt = sym.symbols('t tt') return sym.cos(t+tt+A)*A def test1b(B): t, tt = sym.symbols('t tt') return sym.sin(t-tt+B)*B 我想在使用fsolve()计算结果之前将其转换为数
..
问题是通过改变kst、x1、x5和xo,在(-8e-4到2e-4)的范围内找到x3的最佳(最大)值) x5=5 %Input 2 (Input 2 is a state variable and could vary in range of 4 to 15 while performing optimization) kst=1 %Input
..
我正在尝试在 python 中求解非线性方程.我曾尝试使用 Sympy 的求解器,但它似乎在 for 循环语句中不起作用.我正在努力解决输入[N]范围内的变量x. 我在下面附上了我的代码 将 numpy 导入为 np导入 matplotlib.pyplot 作为 plt从 sympy 导入 *f_curve_coefficients = [-7.14285714e-02, 1.963333
..
我尝试使用 scipy.optimize.minimize 解决非线性规划任务 max rx1**2 + y1**2 = 4*r**20 所以我写了下一个代码: r = np.linspace(0, 1, 100)x1 = np.linspace(0, 1, 100)y1 = np.linspace(0, 1, 100)x2 = np.linspace(0, 1, 100)y2 = np.
..
我收到这个简单代码的错误,问题是错误只出现在我需要的一个方程中 (78 * x**0.3 * y**0.8 - 376). 错误:在double_scalars中遇到无效值;F[0] = 78 * x**0.3 * y**0.8 - 376 如果我从第一个方程中删除 * y**0.8 ,代码运行完美,但显然它对我不起作用. 代码: 将 numpy 导入为 np从 scipy.o
..
就我的问题所涉及的数学而言,我有点超出我的深度,因此对于任何不正确的命名法,我深表歉意. 我正在考虑使用 scipy 函数 leastsq,但不确定它是否是正确的函数.我有以下等式: eq = lambda PLP,p0,l0,kd : 0.5*(-1-((p0+l0)/kd) + np.sqrt(4*(l0/kd)+(((l0-p0)/kd)-1)**2)) 我有除 kd (PLP,p
..
Python scipy.optimize.minimize 函数支持以下方法: 内尔德-米德 鲍威尔 CG BFGS 牛顿-CG L-BFGS-B 跨国公司 科比拉 SLSQP 信任结构 狗腿 信任-ncg 信任精确 信任-krylov 哪种方法最接近 R 的 nlminb? 解决方案 nlminb 是一个无约束和有界约束的拟牛顿法优化器.此代码基于
..
这个答案这个问题仅适用于耦合函数的期望解不限于特定范围的情况. 但是,例如,如果我们想要一个解决方案,使得 0
..
使用谷歌或工具的CP-SAT我'我正在尝试编写此约束: q >= (50x + 100y + 150z + 200k + 250p + 300v)/(x + y + z + k + p + v) 其中 q 是一个简单的整数. 问题是我需要将等式的右侧四舍五入(我们称之为 expression)如下: if(表达式 所以我需要对表达式进行四舍五入 (50x + 100y + 1
..
我在使用 python 编码时遇到以下问题: 我有 7 个参数:x、y、z、t、HF、M1F 和 M2F.用户应该输入这三个中的任何一个,程序应该计算其余的. 我的关系是: HF = -xytM1F = -2xzt + 4yzt - xyt + 4tz^2M2F = 2yzt - xyt1 = -2xt + 2yt + 4zt 尝试解决问题: 我有 7 个参数,用户应该输入
..
我在 R 中使用 optim() 来求解涉及积分的似然性时遇到了一些问题.我收到一条错误消息,指出“优化错误(par = c(0.1,0.1),LLL,方法=“L-BFGS-B",lower = c(0,:L-BFGS-B需要'fn的有限值'".下面是我的代码: s1=c(1384,1,1219,1597,2106,145,87,1535,290,1752,265,588,1188,160,74
..
我正在使用通过OpenMDAO实施的IPOPT,在理解和控制停止标准方面遇到一些麻烦. 这是我具体要经历的事情:最初,IPOPT能够找到一个看起来更好的解决方案,尽管稍微违反了约束条件(直觉告诉我,调整一些参数可能会将其带入可行区域).来自此讨论,我理解“线性或非线性等式或不等式约束在求解器在最终迭代中完成收敛之前不一定会得到满足."因此,我想知道是否可以更改容差,以便求解器将更快地完全满足
..
我知道我可以做到: p0 = foo();fn1 =函数(x)sum((foo(power = x)-p0)^ 2)最优化(fn1,c(0,100))[[1]] ###> [1] 79.8817几乎80作为foo()输入中的power. 解决 power (假设未知)的问题,这是我下面的函数( foo )中的输入值之一. 问题:,但现在假设我知道 foo 的其中一个输出( budge
..
来回浏览文档,我能够在Gekko中设置动态参数估算. 下面是代码,其测量值如下所示(我的系统上文件名为 MeasuredAlgebrProductionRate_30min_18h.csv ,并使用; 作为分隔符): 将numpy导入为np导入matplotlib.pyplot作为plt从gekko进口GEKKO#%%从CSV文件读取测量数据t_x_q_obs = np.genfromtx
..
我正在使用minpack.lm包运行非线性最小二乘法. 但是,对于数据中的每个组,我想优化(最小化)拟合参数,类似于Python的 ps.我把数字和拟合线补齐了. 解决方案 不确定r,但是具有共享参数的最小二乘法通常很容易实现. 一个简单的python示例如下: import matplotlibmatplotlib.use('Qt4Agg')从matplotlib导
..
是否可以在R的 nloptr 函数中指定多个相等约束?我尝试运行的代码如下: eval_f
..
编辑: 一切都很好:) 这是一个使用t = 20和TR =([[[30,20,12,23 ..],[...]])的较小值的代码,但是当我输入较高的值时,会显示“期望x为a一维排序的array_like。”。你知道如何解决这个问题吗? 从scipy导入plt 从scipy特殊导入erfc 从scipy导入sqrt 从scipy导入exp numpy作为np $ b来自scipy
..
我试图将从wav中检索到的数据划分为10ms的段,以进行动态时间扭曲. import wave import contextlib data = np.zeros((1, 7000)) rate, wav_data = wavfile.read(file_path) with contextlib.closing(wave.open(file_pat
..
我正在尝试使用PATH求解器( http://pages.cs .wisc.edu/〜ferris/path.html ),以及在Mac OS X(10.11,英特尔)上的Pyomo.我正在使用最新的Anaconda安装和Python 3.5. Pyomo可以使用AMPL库.来自 http://prod.sandia.gov/techlib/access- control.cgi/2015/
..
A11 = cos(x)*cos(y) (1) A12 = cos(x)*sin(y) (2) A13 = -sin(y) (3) A21 = sin(z)*sin(x)*cos(y) - cos(z)*sin(y) (4)
..