Scipy minimieren Beispiel

Entwickler haben sich der Python -Programmiersprache zugewandt und Prioritäten beim Erlernen von Python über eine andere Programmiersprache priorisieren. Die Funktionen und Bibliotheken in der Python -Programmiersprache machen es für Entwickler sehr einfach und hilfreich, die komplizierten Codes zu schreiben. Scipy ist die am häufigsten verwendete Python -Bibliothek für algebraische Gleichungen, Integration, statistische Probleme, Interpolation, Differentialgleichungen, Optimierung usw. In diesem Artikel diskutieren wir die scipy -Minimierung der Funktion, um zu verstehen, wie die scipy minimierte Funktion in Python -Anwendungen funktioniert.

Was ist scipy minimiert die Funktion in der Python -Sprache?

Scipy ist eine Open-Source-, kostenlose und benutzerfreundliche Bibliothek, mit der alle Arten von technischen, technischen, wissenschaftlichen und mathematischen Problemen gelöst werden können. Scipy bietet ein „Minimierungs-“ und mehrere nützliche Funktionen im „Optimizieren“ -Paket. Eine Vielzahl von Optimierungsalgorithmen und -funktionen sind im Scipy -Optimierpaket verfügbar und minimieren ist eine davon von ihnen.

Die von dem Scipy -Optimize -Paket bereitgestellte Funktion ist eine gemeinsame Schnittstelle, die für multivariate Skalarfunktionen mit eingeschränkten und nicht eingeschränkten Minimierungsalgorithmen verwendet wird. Es wird verwendet, um eine oder mehrere Variablen einer Skalarfunktion zu minimieren. Wenn ein Eingangsparameter für eine Funktion minimiert werden muss, wird die Minimierung der Funktion der Optimierbibliothek verwendet. Die Minimierung der Funktion funktioniert mit mehreren nützlichen Methoden, um die verschiedenen Arten von Funktionen zu minimieren.

Syntax der Minimierung der Funktion:

Das Folgende ist die Syntax der Minimierungsfunktion:

Die Anzahl der Argumente, die die Minimierungsfunktion dauert, beträgt bis zu 12. Die Funktion und „A“ sind jedoch erforderlich, und die anderen 10 sind optional. Der Parameter „Funktion“ repräsentiert den Funktionsnamen, der optimiert werden soll, und der Parameter „A“ repräsentiert das Datenarray von Daten. Im kommenden Abschnitt werden wir zeigen, wie Sie eine Funktion mit Hilfe nützlicher und einfacher Beispiele minimieren können.

Beispiel 1:

Beginnen wir mit einem einfachen Beispiel, damit wir ein grundlegendes Verständnis der Minimierungsfunktion haben können. Wie bereits erwähnt, müssen zwei wesentliche Parameter bereitgestellt werden, um die Funktion zu minimieren - ein Funktionsname und die Daten. In diesem Beispiel geben wir also nur den Funktionsnamen und die Daten zur Minimierung der Funktion an, um zu verstehen, wie die Minimierungsfunktion funktioniert. Der Beispielcode wird im Folgenden als Referenz angegeben:

von Scipy.Import optimieren minimieren, rosen
Array = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimieren (Rosen, Array)
Druck (res.X)

Ausgehend von der ersten Zeile werden die Scipy -Bibliothek, die Optimierung der Funktion und die minimierende Methode im Programm mit der „From Scipy“ importiert.Import optimieren minimieren “Anweisung. Denken Sie immer daran, dass die Bibliothek und die Pakete in das Programm importiert werden müssen, bevor sie ausdrücklich angerufen werden. Wenn Sie vergessen, die Bibliothek in Ihr Programm aufzunehmen, werden Sie irgendwann auf Fehler stoßen. Stellen Sie also sicher, dass Sie über alle Bibliotheken und Funktionen in Ihrem Programm enthalten sind, bevor Sie eine ihrer Funktionen anrufen.

Sobald Sie alle Bibliotheken importiert haben, sind Sie bereit, die Daten bereitzustellen und die verschiedenen Funktionen darauf zu verwenden. Die Daten werden im Array als Floating-Punkt-Nummern bereitgestellt. Das Array enthält sechs schwimmende Punktzahlen und wird an die Minimierungsfunktion übergeben. Das Ergebnis aus der Minimierfunktion wird in der Variablen „Res“ gespeichert. Um das Ergebnis anzuzeigen, lesen Sie die folgende angegebene Ausgabe:

Beispiel 2:

Da Sie bereits die grundlegende Funktionen von Minimierungsfunktionen mit Hilfe des Beispiels gelernt haben, verwenden wir dieses zweite Beispiel, um zu erfahren. Im vorherigen Beispiel haben wir der Funktion keinen optionalen Parameter angegeben. In diesem Beispiel werden wir zwei optionale Parameter angeben. Siehe den Beispielcode, der im folgenden Screenshot angegeben ist:

von Scipy.Import optimieren minimieren, rosen
Array = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimieren (Rosen, Array, Methode = 'Nelder-Mead', Tol = 1E-6)
Druck (res.X)

Hier importieren wir die Scipy -Bibliothek, optimieren Sie das Paket, minimieren und Rosen -Funktionen mit dem „From Scipy“.Optimieren Sie die Import minimieren, Rosen -Anweisung. Danach stellen wir die Daten in einem Array an und übergeben dieses Array an die Minimierungsfunktion. Beachten Sie nun, dass der Name „Neldor-Mead“ als „Methode“ -Parameter übergeben wird und „1E-6“ als „TOL“ -Parameter übergeben wird.

Der Parameter „Methode“ bietet Ihnen die Bereitstellung mehrerer vordefinierter Funktionen, und „Neldo-Mead“ ist einer davon von ihnen. Die Funktion „Neldo-Mead“ verwendet den Simplex-Algorithmus, der in mehreren Anwendungen robust ist. Um die Differenz zwischen der allgemeinen zu verstehen, minimieren Sie die Funktion ohne optionale Parameter übergeben und mit optionalen Parametern über die folgende gegebene Ausgabe:

Beispiel 3:

Bisher haben wir gelernt, wie man die Minimierungsfunktion mit oder ohne optionale Parameter verwendet. Lassen Sie uns nun einige unterschiedliche optionale Parameter für die Minimierungsfunktion bereitstellen, damit wir ein besseres Verständnis dafür haben können, wie die Minimierungsfunktion funktioniert.

von Scipy.Optimieren Sie Import minimieren, rosen, rosen_der
Array = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimieren (Rosen, Array, Methode = 'BFGS', JAC = Rosen_der,
Optionen = 'gtol': 1e-6, 'disp': true)
res.X

In diesem Beispiel verwenden wir die Methoden "Rosen", "Rosen_der" und "BFGs", um die bereitgestellten Daten zu minimieren. Auch hier werden die Funktionen der Scipy -Bibliothek, optimieren, minimieren, Rosen und Rosen_der -Funktionen optimieren, im Programm mit dem „From Scipy“ importiert.Import optimieren minimieren, rosen, rosen_der ”Anweisung. Danach werden die Daten im Array bereitgestellt, das als Datenparameter an die Minimierungsfunktion übergeben wird.

Die hier verwendeten Methoden sind „BFGS“ und „JAC = Rosen_der“. Der Parameter „Option“ wird in einer Variation mit zwei Werten verwendet. Die BFGS-Methode wird verwendet, um die Gradientenvektoren zu berechnen und in den Quasi-Newton. Es ist auch die Standardmethode, die von der Minimierfunktion verwendet wird, wenn keine Methode in der Minimierfunktion als Parameter explizit übergeben wird. Die Ausgabe des Beispielcodes wird im folgenden Screenshot angegeben:

Abschluss

Um diesen ganzen Artikel abzuschließen, finden Sie hier eine kurze Zusammenfassung. Wir haben die grundlegende Arbeiten der Minimierung der Funktion in der Python -Sprache gelernt. Python wird aufgrund der Flexibilität, die es bietet, zur beliebtesten Sprache. Die integrierten Funktionen und Bibliotheken sind nützlich, wenn Sie sich mit einer komplizierten Anwendung befassen müssen. Hier haben wir mithilfe von Beispielbeispielen etwas über das Optimierpaket und die Minimierung der Funktion gelernt.