非线性规划python求解_超定非线性方程组的Python数值求解

这是我的问题的一个最小的例子-用scipy.optimize.leatsq在from scipy.optimize import leastsq

from numpy import array, exp, sin, cos

def MatrixFun(x, *par):

a, b, c, d = par

m11 = a*sin(x[0])+b*cos(x[1])

m12 = c*cos(x[0])*sin(x[1])

m21 = c*sin(x[0])/cos(x[1])

m22 = d*exp(x[0]*x[1])

M = array([[m11, m12], [m21, m22]])

return M

def Residualvector(x, parameters):

MatrixAim = MatrixFun([-1 , 1], *parameters)

return (MatrixFun(x, *parameters)-MatrixAim).flatten()

parameters = [1, 2, 3, 4]

start = [0, 0]

print(leastsq(Residualvector, start, args=parameters))Problems:Requires good starting point

Does not converge to desired values with my real systems

I need constraints for x

这是我对示例问题的bruteforce解决方案

^{pr2}$

Problems:Slow

Stability unclear

我宁愿用scipy.optimize.brute或者scipy.optimize.basinhopping公司这两者都会导致错误TypeError: fsolve: there is a mismatch between the input and output shape of the 'func' argument 'F'。这一点很清楚，因为我的矩阵方程比变量多（过度确定）。

到目前为止，我唯一的想法是将尽可能多的方程式的绝对值相加，以减小输出形状的大小，但我对此绝对不满意。

我将非常感谢替代或改进的解决方案或任何其他建议。在