Question

我正在解决目前正在使用的线性方程组

   numpy.linalg.solve

它返回线性系统的解。我希望有一个控件，以便我可以执行迭代

考虑另一种选择

    scipy.optimize.minimize

文档描述了我们可以指定一个被调用的函数每次迭代后我们都可以获得当前参数。我不确定他们是否意味着我们可以得到当前的合成矢量。例如，我想在每次迭代后访问x，而我们正在解决Ax = b

我想知道是否有人使用它并且可以解释！

由于

Answer 1

callback的{{1}}关键字参数指定了一个函数，该函数将使用参数的当前估计来调用，该参数在每次迭代时最小化函数。

但是scipy.optimize.minimize用于标量函数（一个返回单个值），所以我看不出它如何适用于您的示例。您可能想尝试minimize。但它不接受scipy.optimize.fsolve关键字。为了解决这个问题，你可以将线性方程包装在一个可调用的函数对象中（返回callback），然后只需要传递给你的可调用对象的参数。

Ax-b

然后像这样使用它：

class Ab:
    def __init__(self, A, b):
        self.A = A
        self.b = b
    def __call__(self, x):
        print 'x =', x
        return A.dot(x) - b

>>> A = np.array([[2, 3], [4, 9]], float) >>> b = np.array([5, 5]) >>> f = Ab(A, b) >>> optimize.fsolve(f, [0, 0]) x = [0 0] x = [ 0. 0.] x = [ 0. 0.] x = [ 1.49011612e-08 0.00000000e+00] x = [ 0.00000000e+00 1.49011612e-08] x = [ 5. -1.66666667] x = [ 5. -1.66666667] array([ 5. , -1.66666667])报告只进行了5次迭代，因此看起来前两次调用可能实际上并未用于收敛。

在python中是否有任何数值解算器控制每次迭代？

1 个答案: