scipy.optimize 向量函数

Question

我想最小化一个具有多个输入但也有多个输出的函数。更具体地说，我调用 Excel 计算并希望约束函数的特定输入和输出。到目前为止，我只是设法最小化标量函数，这意味着多个输入但只有一个输出。如果Python/Scipy可以解决这样的问题，谁能指导我？我想选择 x 以使 smpkt 最小化并且 A 小于特定值。

例如一些代码片段：

def f1(x,params):
    y=F(x)

函数

F(x)

是一个具有多个输入和输出的外部Excel工作表，输出应为y=[smpkt,A]。现在我想通过选择

smpkt

来最小化

A

并保持

x

小于我的约束。

到目前为止，我设法通过以下调用将

y=F(x)

y=[smpkt] 最小化为标量：

res = optimize.minimize(f1, x0, args=params, method='COBYLA',options={'ftol': 0.1, 'maxiter': 5})

有什么想法吗？

Answer 1

注意：我不确定以下内容是否符合您的要求。特别是，你说“我想让变量“A”小于特定值。”，这与“我想选择

x

以便

A

尽可能小”不同。 。不管怎样，这里是对您问题的一种解释的答案。

如果您想最小化输出的一个组成部分，正如您对函数

f1

的评论所建议的那样（并且您不能只修改

f1

以仅返回 A），您需要将现有函数包装在另一个函数调用

f1

并仅返回

A

（假设

A

实际上是一个标量）。

例如

def objective_function(x, params):
    smpkt, A = f1(x, params)
    return A

您可以使用

lambda

表达式更简洁地实现相同的效果：

res = optimize.minimize(lambda x, params: f1(x, params)[1],
                        x0, args=params, method='COBYLA',
                        options={'ftol': 0.1, 'maxiter': 5})

Answer 2

scipy.optimize.newton

允许对目标函数进行矢量化（即生成与输入形状相同的数组）：

https://docs.scipy.org/doc/scipy/reference/reference/ generated/scipy.optimize.newton.html#scipy.optimize.newton