使用 sympylambdaify 和 scipy 的 Python 优化索引总和

Question

我正在寻找建议答案 this 的混合解决方案线。第一个代码片段使用了更具象征意义的方式，我在第二个代码片段的属性之后使用了变量数量发生变化的属性。与此类似，变量数量 n 可以改变。

from sympy import *
from scipy.optimize import minimize
from sympy.utilities.lambdify import lambdify

x, i, n = symbols("x i n")
n = 10
func = Sum((Indexed('x',i)-3)/(1+0.2)**i,(i,1,n))
my_func = lambdify((x, i, n), func)


def my_func_v(x):
    return my_func(*tuple(x))

results = minimize(my_func_v, np.zeros(n))

有什么想法吗？

Answer 1

所以这似乎可以解决问题:

from sympy import Sum, symbols, Indexed, lambdify
from scipy.optimize import minimize
import numpy as np

def _eqn(y, variables, periods, sign=-1.0):
    x, i = symbols("x i")
    n = periods-1
    s = Sum(Indexed('x', i)/(1+0.06)**i, (i, 0, n))
    f = lambdify(x, s, modules=['sympy'])
    return float(sign*(y + f(variables)))

z = 3
results = minimize(lambda x: _eqn(3, x, z),np.zeros(z))
print(results.x)

还有什么建议吗？