Question

我一直在尝试找到一种与Excel的Solver相似的方法，在该方法中我可以为要收敛的函数指定特定的值。我不想要最小或最大的优化。

例如，如果我的功能是：

f(x) = A^2 + cos(B) - sqrt(C)

我想要f（x）= 1.86，是否有Python方法可以迭代A，B和C的解决方案以使其尽可能接近1.86？（给出目标值可接受的误差吗？）

Answer 1

您需要针对问题的寻根算法。只需很小的转换。查找 g（x）的根：

g(x) = A^2 + cos(B) - sqrt(C) - 1.86

使用 scipy.optimize.root，引用 documentation：

import numpy as np
from scipy import optimize

# extra two 0's as dummy equations as root solves a system of equations 
# rather than single multivariate equation
def func(x):                                        # A,B,C represented by x ndarray
    return [np.square(x[0]) + np.cos(x[1]) - np.sqrt(x[2]) - 1.86, 0, 0]

result = optimize.root(func , x0 = [0.1,0.1,0.1])
x = result.x
A, B, C = x                       
x
# array([ 1.09328544, -0.37977694,  0.06970678])

您现在可以检查解决方案：

np.square(x[0]) + np.cos(x[1]) - np.sqrt(x[2])

# 1.8600000000000005

Python是否可以优化我的函数输入以获得目标值？

1 个答案: