python:scipy.optimize.fmin

本文介绍了Python中scipy.optimize.fmin函数用于局部优化的问题,对比了fmin与minimize的区别,并通过Himmelblau函数为例展示了优化流程,强调了初值选择对结果的影响。
摘要由CSDN通过智能技术生成

简介

优化问题是工程实践中经常遇到的一种问题。简单讲,就是搜索优化出一组自变量参数,使得目标函数达到极小值(极大值)。

如何搜索出这组参数呢:这就是优化算法做的事情。不同的优化算法适用于不同的优化问题。

本文简要介绍在python种NM算法来解决局部优化问题。

注意:scipy.optimize中的fmin和minimize都能调用NM算法来优化。两者区别:

  • minimize是更通用的优化算法接口,它不仅包含NM算法,也可以调用其他算法;而fmin就只能用NM算法
  • minimize中的NM算法多一个adaptive参数,可以提高高维的优化问题的收敛速度
  • fmin的一个好处:支持直接返回优化过程中的迭代参数,有助于可视化。

本文用fmin来重新实现一遍minimize的例子。

接口

在这里插入图片描述
在这里插入图片描述

实例1:Himmelblau函数

优化流程

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值