在运行scipy最小化优化器时，我能够通过使用优化结果的"x“属性来获得优化的解。但我也想得到成本函数(通过改变输入变量x来最小化的函数)的值。: 'eq', 'fun': constraint1}opt = minimize(op_objectiv
浏览 13提问于2019-04-06得票数 0
我有一个带有约束和上下界的非线性优化问题，所以对于scipy，我必须使用SLSQP。这个问题显然不是凸的。问题是，使用1000+输入向量需要很长时间，尽管我可以看到最小化程序并没有调用我的函数太多(目标/约束/梯度)，而且似乎将大部分处理时间花在了内部。我在某处读到SLSQP的性能是O(n^3)。对于python，有没有更好/更快的SLSQP实现或其他方法来解决这类问题？我尝试了nlop
浏览 2提问于2017-11-26得票数 3
= 'SLSQP', options={'disp': True})
注意，约束函数是一个方便的‘数组输出’函数。现在，我们可以使用一组等价的“标量输出”约束函数，而不是用于约束的数组输出
浏览 2提问于2016-06-13得票数 7
回答已采纳
我想知道如何在PyTorch中对以下数学运算采取梯度步骤(A、B和C是参数为而不是重叠的PyTorch模块)这与生成性对抗性网络(GAN)的成本功能有些不同，所以我不能使用现成的GANs的例子，而且我在尝试将它们调整到上面的成本时被困住了。我想到的一种方法是构造两个优化器。优化器opt1具有模块A和B的参数，优化<e
浏览 1提问于2018-06-12得票数 3
我是python的新手，已经遇到了一个相当复杂的问题(至少对我来说是这样)。我想最小化一个包含多个变量的函数，其中一个变量是一个列表，其中包含我从模拟中获得的数据。当程序优化其他两个变量时，这个列表应该保持不变。
到目前为止，我的代码保存在3个不同的文件中。Simulation.py是计算列表列表的模拟。在Function.py中包含了我想要最小化的</
浏览 0提问于2016-10-27得票数 1
我有一个向量w，为了最小化下面的函数，我需要找到它：from scipy.optimize import minimize
bnds = [(0, 1)] * 3
w = minimize(fct, x0, method='SLSQP', bounds=bnds, cons
浏览 0提问于2017-04-27得票数 13
回答已采纳
1回答
我想从Scipy求解器"SLSQP“中获得迭代信息。我使用回调函数开发了一段代码，如下所述。='SLSQP',我得到了求解器的输出为1 -135.741547347632117.564262441411472
4 -1.560231282
浏览 0提问于2020-11-19得票数 4
我正在尝试使用scipy.optimize.minimize来最小化成本函数，但是它非常慢。我的函数有近5000个变量，因此，枕慢一点也不奇怪。然而，如果有一个并行版本的scipy.optimize.minimize，它可能会有很大帮助。我想知道这种版本的scipy.optimize.minimize是否存在，或者是否还有其他可以执行这种规模最小化的参数/numpy工具。我真的很感激所有的帮助。
谢谢大家的评论。这是一个使用SLSQP
浏览 0提问于2017-12-16得票数 5
Apache有可以优化某些目标函数的优化类，并且通常必须为优化器设置最大的评估数。在中，有一个可以工作的小型NelderMeadSimplex示例，它使用MaxEval(100)设置最大的计算值，这是一个完整的函数NelderMeadSimplex。如何在优化器(如NelderMeadSimplex )
浏览 3提问于2016-03-08得票数 2
回答已采纳
典型的MinScore值介于0.2和0.99之间。但是，为什么我使用scipy optimize来尝试查找长度值的最低算法输出，我得到了以下错误："ValueError: MinScore必须匹配才能进行比较“。下面是我调用优化函数的方式：options={'disp':True},
浏览 3提问于2016-11-11得票数 0
变量c，c1，c2是1到1之间的成本函数。从我在网上发现的情况来看，优化是最好的方法。除c到c3外，方程中的所有内容都是常量和已知的。0=a+u*c0=* c1 +m* c2
c=np.array([]) {'
浏览 0提问于2015-12-03得票数 0
回答已采纳
在Python3.6中，我尝试使用scipy.optimize.minimize最小化一个函数。我的最小化问题作为两个约束，我可以找到一个解决方案。='SLSQP', constraints=cons)['x']res2 = fct2(w)
我现在正在尝试让我的优化器运行得更快，因为这只是一个简化的问题。最后，我的数组和矩阵要大得多。在前面的问题中，有人提出了定义
浏览 2提问于2017-05-05得票数 2
我感兴趣的是找到模型的优化参数(通过使用已知值最小化模型的输出)。我感兴趣的参数是有界限的，而且它们还受到类似于1 - sum(x_par) >= 0的不等式的约束，其中x_par是总参数列表中的一些参数的列表。我已经使用通过不同的方法(如COBYLA和SLSQP)来最小化这个问题，但是这个函数的
浏览 24提问于2016-12-20得票数 1
我首先尝试了SLSQP，因为它允许函数的显式偏导数最小化。这是以前观察到的，例如，。手动缩放要最小化的函数(以及相关的偏导数)似乎解决了这个问题，但是我不能通过改变选项中的ftol来达到同样的效果。
总的来说，这整件事让我对日常的工作方式产生了怀疑。, method='SLSQP', constraints=cons_SLSQP</em
浏览 5提问于2017-11-22得票数 2
1回答
我正在尝试使用scipi中内置的SLSQP优化器进行均值方差投资组合优化，我很难理解如何使用10%的恒定投资组合方差约束来定义求解投资组合权重的约束。只能包含所有权重的总和应为0的约束 我已经能够使用这个优化器来找到使投资组合夏普比率最大化的投资组合，并找到最小化投资组合方差的权重。现在需要添加额外的约束，以便投资组合的
浏览 15提问于2019-01-21得票数 1
为什么SLSQP停留在初始值周围，而COBYLA却朝着正确的方向移动？利用OpenMDAO 2.2.X实现了优化问题；目标(y，scaler=-1)。没有任何限制。示例驱动程序和包装代码被上传：
浏览 0提问于2018-04-14得票数 1
回答已采纳
在tensorflow中，似乎整个反向传播算法是通过对某个成本函数运行一次优化器来执行的，该成本函数是一些MLP或CNN的输出。我不完全理解tensorflow如何从成本中知道它确实是某个NN的输出？可以为任何模型定义成本函数。我该如何“告诉”它某个成本函数是从NN派生出来的
浏览 0提问于2017-05-27得票数 15
回答已采纳
1回答
我希望使用scipy.optimize.minimize对我的优化例程执行一些测试，特别是在多个测试中绘制每个迭代的收敛性(或相当客观的函数)。假设我有以下线性约束的二次优化问题：
但须符合: sum(x_i) =1
def _fun(x, Q, a):x) return c + p
def _const
浏览 0提问于2018-10-07得票数 2
回答已采纳
1回答
该控制器的目标是最小化成本函数，并将系统动态作为其约束，如中所述。对于那些不熟悉它的人来说，每个时间步，控制器在N个时间步之前进行预测，并试图最小化具有控制输入(u)和预测的动态(x)作为优化问题的自变量的成本函数。self.next_state(x0, u[i]) return (x-x_next).T
浏览 2提问于2018-05-21得票数 0
2回答
我有一个相当简单的约束优化问题，但得到不同的答案取决于我如何做它。} jac = obj_jac, constraints =eq_cons )下面是一些简化的输出(当然，您可以运行
浏览 0提问于2019-04-05得票数 10
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
