Question

我正在尝试优化（最小化）如下定义的二维函数E(n,k)：

error=lambda x,y,w: (math.log(abs(Tformulated(x,y,w))) - math.log(abs(Tw[w])))**2 + (math.atan2(Tformulated(x,y,w).imag,Tformulated(x,y,w).real) - math.atan2(Tw[w].imag,Tw[w].real))**2

其中Tformulated获得如下：

def Tformulated(n,k,w):
    z=1j
    L=1
    C=0.1
    RC=(w*L)/C
    n1=complex(1,0)
    n3=complex(1,0)
    n2=complex(n,k)
    FP=1/(1-(((n2-n1)/(n2+n1))*((n2-n3)/(n2+n3))*math.exp(-2*z*n2*RC)))
    Tform=((2*n2*(n1+n3))/((n2+n1)*(n2+n3)))*(math.exp(-z*(n2-n1)*RC))*FP
    return Tform

和Tw是先前计算的具有复值元素的列表。我正在尝试做的是w的每个值（用于“错误x，y，w ....”）我想最小化{{1}的值的函数“error” }＆amp; x。 y的范围是1到2048.因此，它基本上是2D最小化问题。我已经尝试过编程（虽然我遇到了使用什么方法以及如何使用它）;我的代码如下：

即使temp=[] i=range(5) retval = fmin_powell(error , x ,y, args=(i) , maxiter=100 ,maxfun=100) temp.append(retval)是正确的方法，我也不确定。

Answer 1

这是一个最简单的例子：

from scipy.optimize import fmin

def minf(x):
  return x[0]**2 + (x[1]-1.)**2

print fmin(minf,[1,2])

[OUT]：

Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 44
         Function evaluations: 82
[ -1.61979362e-05   9.99980073e-01]

这里可能存在的问题是最小化例程期望列表作为参数。有关所有血腥细节，请参阅the docs。不确定是否可以直接最小化复值函数，您可能需要分别考虑实部和虚部。

Python中的二维优化（最小化）（使用scipy.optimize）

1 个答案: