Question

我试图解决优化问题，但我正在优化函数的参数而不是函数。

这是一个例子

def Q(a,b,c):
    d = integrate.quad(lambda x: (a*x**2+b*x+c), 0, 1)
    return d
def u(a,b,c):
    e = a+b+c
    return e
cons = ({'type': 'eq',
     'fun' : lambda u: np.array([u - 1]),}),
f = lambda x: Q(x[0],x[1],x[2])
res = minimize(Q, args=(3,), method='SLSQP', constraints=cons)

考虑到参数的限制，我想最小化功能积分Q.理想情况下，我也可以使约束成为一个整体。我没有把它包含在这里，因为我想从简单开始。

我得到的错误是

TypeError Traceback (most recent call last) <ipython-input-158-cdbd019dd886>         
in <module>() 8 'fun' : lambda u: np.array([u - 1]),}), 9 f = lambda x:   
Q(x[0],x[1],x[2]) ---> 10 res = minimize(Q, args=(3,), method='SLSQP', 
constraints=cons) TypeError: minimize() takes at least 2 arguments (4 given)

应该说明的是，我并不担心我使用什么样的代码或编辑来实现这一点！只是想让它发挥作用。

Answer 1

从基础开始：

minimize需要初步猜测，x0。
minimize使用的参数是单个向量，而不是像a，b，c这样的三个变量。
quad返回两个数字的元组，其中第0个是积分而另一个是错误。
args表示要提供给目标函数的其他（固定）参数，而不是其参数的数量。
你的约束函数没有多大意义。

解决这些问题后，代码开始看起来不像现在的cargo-cult programming。

from scipy import integrate
from scipy.optimize import minimize
import numpy as np

def Q(u):
    a, b, c = u
    d = integrate.quad(lambda x: (a*x**2+b*x+c), 0, 1)
    return d[0]
cons = ({'type': 'eq',
     'fun' : lambda u: u[0]+u[1]+u[2]-1})

res = minimize(Q, x0 = (1, 2, 3), method='SLSQP', constraints=cons)
print(res)

正交的Scipy优化

1 个答案: