我正在尝试优化(最小化)二维函数 E(n,k)
定义如下:
error=lambda x,y,w: (math.log(abs(Tformulated(x,y,w))) - math.log(abs(Tw[w])))**2 + (math.atan2(Tformulated(x,y,w).imag,Tformulated(x,y,w).real) - math.atan2(Tw[w].imag,Tw[w].real))**2
哪里Tformulated
获取方式如下:
def Tformulated(n,k,w):
z=1j
L=1
C=0.1
RC=(w*L)/C
n1=complex(1,0)
n3=complex(1,0)
n2=complex(n,k)
FP=1/(1-(((n2-n1)/(n2+n1))*((n2-n3)/(n2+n3))*math.exp(-2*z*n2*RC)))
Tform=((2*n2*(n1+n3))/((n2+n1)*(n2+n3)))*(math.exp(-z*(n2-n1)*RC))*FP
return Tform
和Tw
是先前计算的具有复值元素的列表。
我真正想做的是针对 w
的每个值(用于“error x,y,w ....”)我想针对 x
的值最小化函数“error” & y
. w
范围从 1 到 2048。因此,它基本上是一个二维最小化问题。我已经尝试过自己编程(尽管我对使用什么方法以及如何使用它感到困惑);我的代码如下:
temp=[]
i=range(5)
retval = fmin_powell(error , x ,y, args=(i) , maxiter=100 ,maxfun=100)
temp.append(retval)
我不确定fmin_powell
才是正确的做法。
最佳答案
这是一个最简单的例子:
from scipy.optimize import fmin
def minf(x):
return x[0]**2 + (x[1]-1.)**2
print fmin(minf,[1,2])
[输出]:
Optimization terminated successfully.
Current function value: 0.000000
Iterations: 44
Function evaluations: 82
[ -1.61979362e-05 9.99980073e-01]
这里可能遇到的问题是最小化例程需要一个列表作为参数。参见 the docs对于所有血腥的细节。不确定是否可以直接最小化复值函数,您可能需要分别考虑实部和虚部。
关于python - Python 中的二维优化(最小化)(使用 scipy.optimize),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12200114/