Python：学习使用scipy优化工具

最新推荐文章于 2024-03-19 21:45:11 发布

DeniuHe

最新推荐文章于 2024-03-19 21:45:11 发布

阅读量264

点赞数

分类专栏： Python学习

本文链接：https://blog.csdn.net/DeniuHe/article/details/115997817

版权

Python学习专栏收录该内容

239 篇文章 14 订阅

订阅专栏

本文介绍了如何通过Python的scipy库中的Nelder-Mead单纯形法实现Rosenbrock函数的最小化优化，从随机初始化点开始，逐步逼近全局最小值。这个过程展示了数值优化的基本步骤和算法原理。

摘要由CSDN通过智能技术生成

单纯形法：

import numpy as np
from scipy.optimize import minimize

def rosen(x):
    return sum(100.0 * (x[1:] - x[:-1] ** 2.0) ** 2.0 + (1 - x[:-1]) ** 2.0)

def callback(xk):
    print(xk)

# 初始迭代点
# x0 = np.random.randn(10)*2
x0 = np.ones(10)
print("x0::",x0)

# 最小化优化器，方法：Nelder-Mead （单纯形法）
resolve = minimize(rosen, x0=x0, method='nelder-mead',options={'xtol':1e-2,'disp':True})
print(resolve.x)