Я пытаюсь минимизировать функцию, которая имеет аргументы S1
, S2
, S3
и n1
, n2
и n3
. Имеются также весы: w1
, w2
и w3
.Минимизация Multivariable Функция Python SciPy
Это функция:
f = (w1**2 * n1**2 + w2**2 * n2**2 + w3**2 * n3**2)/(w1**2 * S1**2 + w2**2 * S2**2 + w3**2 * S3**2 + 2*w1*S1*w2*S2 * 2*w1*S1*w2*S2 + 2*w2*S2*w3*S3)
Я хочу знать, учитывая S1
, S2
, S3
, n1
, n2
и n3
, какие w1
, w2
и w3
минимизирует f
?
Вот мой код до сих пор:
def opt(S1, S2, S3, n1, n2, n3):
xo = np.array([0,1,.01])
from scipy.optimize import minimize
signoise = lambda w1,w2,w3: (w1**2 * n1**2 + w2**2 * n2**2 + w3**2 * n3**2)/(w1**2 * S1**2 + w2**2 * S2**2 + w3**2 * S3**2 + 2*w1*S1*w2*S2 * 2*w1*S1*w2*S2 + 2*w2*S2*w3*S3)
w1min, w2min, w3min = scipy.optimize.minimize(signoise, (.4, .2, .4))
return w1min, w2min, w3min
scipy.optimize.minimize принимает два аргумента, функции и начальное предположение. Я не знаю, если это работает для функций многих переменных, потому что я получаю
error : <lambda>() takes exactly 3 arguments (1 given)
Хорошо, я последовал предложению CodyKramer в. Когда я тестировал его с произвольными значениями для S1, S2, S3, n1, n2, n3, я получил все это как ответ: status: 0 success: True njev: 1 nfev: 5 hess_inv: array ([[1, 0 , 0], [0, 1, 0], [0, 0, 1]]) fun: 5.1874999894628917e-18 x: массив ([0,4, 0,2, 0,4]) сообщение: «Оптимизация завершена успешно». jac: array ([-1.81249989e-17, -4.62499946e-17, 1.53125002e-17]) Является ли последняя строка «jac» тремя числами, которые я искал?
Ответ является массив 'x' в вашем выводе. 'jac' является [якобиевой матрицей] (https://en.wikipedia.org/wiki/Jacobian_matrix_and_determinant), которая является (в основном) первой производной от' x', а 'hess' является [матрицей Гессиана] (https: //en.wikipedia.org/wiki/Hessian_matrix), который является (в основном) второй производной от 'x' – CoryKramer