Question

我正在尝试为动物饲养进行饲料优化计算，但我是蟒蛇编码方面的新手。

实际上我试图实现的是通过k或更少的组来计算n成分的较便宜的组合，以提供足够的A和B标准。

我的问题是，当成分编号开始上升时，python在计算中挂起。那么有没有办法让python使用更多的内存或更好的算法或已经可用的包进行这些计算。我在网上搜索了答案，但也许这个特殊的问题有一个我不知道的数学名称。

我现在在做什么：

创建成分矩阵：每个成分有一个名称，然后 P，A，B，C，D ......其中P是价格和A，B，C，...是的值不同的营养元素
创建限制矩阵：每个元素都有总混合的最小值和最大值。
创建目标向量：我现在想要获得的是A = X向量和B = Y向量，但我想在将来指定C，D等。
然后，我计算所有可能的成分组合，总计（通常为1000）和一组k成分。
删除不符合限制矩阵的组合以获得可用的组合矩阵
将组分基质乘以组合矩阵以得到最终的组合物基质
删除合成矩阵中不符合标准A和B的目标向量的所有值。
按价格对结果列表进行排序并给出结果。

我正在使用Numpy进行大部分操作。

这种方法（据我所知）不能是简单的线性代数问题，因为有时候没有完美的解决方案，这就是为什么首先采用数值方法的原因。

由于

Answer 1

我认为你应该看看scipy.optimize - 它会非常愉快地处理numpy数组并且通常非常快。请参阅参考http://docs.scipy.org/doc/scipy-0.8.x/reference/tutorial/optimize.html

如果您有一个输入向量 A 指定每种成分的数量，并且成分矩阵 I 指定每种成分的价格和营养价值，那么 AI 应该为您提供给定混合物的总价格和营养价值。

您现在需要一个评估函数，该函数将 A （将其乘以最低可能常数，使所有营养素值至少达到其最低要求值）并返回总价格加上陡峭的罚款对于任何超过最大值的营养素，加上对大量成分的较低惩罚。然后优化器使用 A （同时保持所有值＆gt; = 0）以最小化评估函数的结果。

Answer 2

这绝对是一个线性编程问题 - 它通常被称为饮食问题。正如Hugh Bothwell所说，看看scipy.optimize。以下内容可以帮助您入门，

from scipy import array,dot
from scipy.optimize import fmin_slsqp as fmin

c = array([173.0,184.0,167.0])    # cost or prices
b = array([0.1,0.1,0.1])          # lower nutrient bounds
A = array([[ 0.39, 0.09, 0.77],   # nutrient composition
           [ 0.75, 0.32, 0.15],
           [ 0.32, 0.76, 0.65]])

x = array([0.5,0.5,0.5])          # initial guess

def obj(x):
    # I'm the objective function
    return dot(c,x)

def con(x):
    # I'm the inequality constraints
    return dot(A,x) - b

print fmin(obj,x,f_ieqcons=con)

用于对数字求和的算法求和总和并遵守python中的标准

2 个答案: