Question

我正在尝试用sci-py中的盆地跳跃算法来最小化函数。这是我的代码：

from math import *
import time
import gmpy2
from gmpy2 import mpz
from gmpy2 import mpq,mpfr,mpc
import numpy as np
from scipy.optimize import basinhopping
minimizer_kwargs = {"method": "BFGS"}


s=mpz('2')
x0=[153000]
b = mpfr('6097781399')
estimator1=gmpy2.div(x0, s)-gmpy2.sqrt(((pow(x0,s)/4)-b))
estimator2=gmpy2.div(x0, s)+gmpy2.sqrt(((pow(x0,s)/4)-b))

c=mpfr(estimator1)
d=mpfr(estimator2)
e=mpz(b)

func = lambda x: abs((c*d)-e)

ret = basinhopping(func, x0, minimizer_kwargs=minimizer_kwargs,
niter=400)
print("global minimum: x = %.4f, f(x0) = %.4f" % (ret.x, ret.fun))

完整错误读取

回溯（最近一次调用最后一次）：文件“anneal.py”，第14行，在estimator1 = gmpy2.div（x0，s）-gmpy2.sqrt（（（pow（x0，s）/ 4）-b ））TypeError：不支持div（）参数类型

我基本上想要实现的目标是最小化abs((c*d)-e)，但我收到的错误为：TypeError: div() argument types not supported。我已经用Google搜索了这个错误，可能原因是变量和列表之间的类型不匹配。所以我的问题是我应该如何重新制定estimator1和estimator2以便能够将其传递给水池跳跃最小化器。

编辑：

更正后的代码现在读取（也删除了不必要的导入）：

from math import *
from scipy.optimize import basinhopping
minimizer_kwargs = {"method": "BFGS"}
def f(x):

    b = 6097781399
    estimator1=(x/2)-sqrt(abs((pow(x,2)/4)-b))
    estimator2=(x/2)+sqrt(abs((pow(x,2)/4)-b))
    return abs((estimator1*estimator2)-b)

x = 110000
ret = basinhopping(f, x, minimizer_kwargs=minimizer_kwargs,
niter=2000)
print("global minimum: x = %.4f, f(x0) = %.4f" % (ret.x, ret.fun))

Answer 1

我认为问题在于你将python list传入gmpy2.div。 C代码会检查int，rational，real和complex，如果这些代码都不适合，则会引发您提到的错误。尝试将x0作为int传递。

此外，我不认为scipy会对您传入的mpz(2)感到高兴，scipy通常适用于python lists ，scipy.sparse矩阵或密集numpy.ndarray s。

在python中处理大数字方面，int是无界的（https://docs.python.org/3.6/library/stdtypes.html#typesnumeric）。当你需要数值稳定的操作时，NumPy也是一个很好看的地方，numpy拥有64位float和int以及128位复数的自有类型系统。

https://docs.scipy.org/doc/numpy/user/basics.types.html

最小化与Scipy中的流域跳跃

1 个答案: