我想找到最小的3dvar函数定义为:
J(x)=(x-x_b)B ^ { - 1}(x-x_b)^ T +(yH(x))R ^ { - 1}(yH(x))^ T(乳胶代码)
给出B,H,R,x_b,y。 我想找到argmin(J(x))。然而,似乎python中的fmin不起作用。 (函数J正常工作)
这是我的代码:
import numpy as np
from scipy.optimize import fmin
import math
def dvar_3(x):
B=np.eye(5)
H=np.ones((3,5))
R=np.eye(3)
xb=np.ones(5)
Y=np.ones(3)
Y.shape=(Y.size,1)
xb.shape=(xb.size,1)
value=np.dot(np.dot(np.transpose(x-xb),(np.linalg.inv(B))),(x-xb)) +np.dot(np.dot(np.transpose(Y-np.dot(H,x)),(np.linalg.inv(R))),(Y-np.dot(H,x)))
return value[0][0]
ini=np.ones(5) #
ini.shape=(ini.size,1) #change initial to vertical vector
fmin(dvar_3,ini) #start at initial vector
我收到此错误:
ValueError: operands could not be broadcast together with shapes (5,5) (3,3)
我该如何解决这个问题?提前谢谢。
答案 0 :(得分:1)
在函数x
中重构参数dvar_3
,init
fmin()
参数需要一个单调数组。
import numpy as np
from scipy.optimize import fmin
import math
def dvar_3(x):
x = x[:, None]
B=np.eye(5)
H=np.ones((3,5))
R=np.eye(3)
xb=np.ones(5)
Y=np.ones(3)
Y.shape=(Y.size,1)
xb.shape=(xb.size,1)
value=np.dot(np.dot(np.transpose(x-xb),(np.linalg.inv(B))),(x-xb)) +np.dot(np.dot(np.transpose(Y-np.dot(H,x)),(np.linalg.inv(R))),(Y-np.dot(H,x)))
return value[0][0]
ini=np.ones(5) #
fmin(dvar_3,ini) #start at initial vector