Scipy minimalizuj przykład

Deweloperzy zwracali się do języka programowania Pythona i ustalają priorytety w nauce Pythona nad każdym innym językiem programowania. Funkcje i biblioteki w języku programowania w Python sprawiają, że programiści jest bardzo łatwe i pomocne. SCIPY jest najczęściej stosowaną biblioteką Python dla równań algebraicznych, integracji, problemów statystycznych, interpolacji, równań różniczkowych, optymalizacji itp. W tym artykule omawiamy funkcję SCIPY, aby pomóc Ci zrozumieć, w jaki sposób SCIPY minimalizuje funkcję w aplikacjach Python.

Co to jest scipy minimalizuj funkcję w języku Python?

SCIPY to biblioteka typu open source, bezpłatna i łatwa w użyciu biblioteka, której można użyć do rozwiązania problemu technicznego, inżynierii, naukowego i matematycznego. SCIPY zapewnia „minimalizuj” i kilka przydatnych funkcji w pakiecie „Optymalizuj”. Różnorodne algorytmy i funkcje optymalizacji są dostępne w pakiecie SCIPY Optimalize i minimalizuje.

Funkcja minimalizowana przez pakiet SCIPY Optymalizowany jest wspólnym interfejsem, który jest używany do wielowymiarowych funkcji skalarnych z ograniczonymi i nieograniczonymi algorytmami minimalizacji. Służy do minimalizacji jednej lub więcej zmiennych funkcji skalarnej. Ilekroć należy zminimalizować parametr wejściowy funkcji, używana jest funkcja minimalizowania biblioteki optymalizowanej. Funkcja minimalizowana działa z wieloma przydatnymi metodami, aby zminimalizować różne rodzaje funkcji.

Składnia funkcji minimalizacji:

Poniżej znajduje się składnia funkcji minimalizacji:

Liczba argumentów, które przyjmuje funkcja minimalizowana, wynosi do 12. Jednak funkcja i „a” są wymagane parametry, a pozostałe 10 jest opcjonalne. Parametr „funkcji” reprezentuje nazwę funkcji, która ma zostać zoptymalizowana, a parametr „A” reprezentuje tablicę danych. W najbliższej sekcji pokażemy, jak zminimalizować funkcję za pomocą przydatnych i prostych przykładów.

Przykład 1:

Zacznijmy od prostego przykładu, abyśmy mogli mieć podstawowe zrozumienie funkcji minimalizacji. Jak omówiono wcześniej, należy podać dwa podstawowe parametry, aby zminimalizować funkcję - nazwa funkcji i dane. Tak więc, w tym przykładzie, podajemy tylko nazwę funkcji i dane do funkcji minimalizacji, aby zrozumieć, jak działa funkcja minimalizowana. Przykładowy kod jest określony następująco w celu odniesienia:

od Scipy.zoptymalizuj zminimalizowanie importu, Rosen
tablica = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimalizuj (Rosen, tablica)
Drukuj (res.X)

Począwszy od pierwszego wiersza, biblioteka scipy, optymalizuj funkcję i minimalizuj metodę są importowane do programu z „od Scipy.Zoptymalizuj instrukcję minimalizuj import ”. Zawsze pamiętaj, że biblioteka i pakiety muszą zostać zaimportowane do programu, zanim zostaną wyraźnie wywołane. Jeśli zapomnisz dołączyć bibliotekę do swojego programu, w końcu napotkasz błędy. Upewnij się, że masz wszystkie biblioteki i funkcje zawarte w swoim programie, zanim wywołasz dowolną z ich funkcji.

Po zaimportowaniu wszystkich bibliotek jesteś gotowy do podania danych i użycia różnych funkcji. Dane są dostarczane w tablicy jako liczby zmiennoprzecinkowe. Tablica zawiera sześć liczb zmiennoprzecinkowych i jest przekazywana do funkcji minimalizacji. Wynik z funkcji minimalizacji jest przechowywany w zmiennej „RES”. Aby zobaczyć wynik, zapoznaj się z następującymi danym wyjściem:

Przykład 2:

Ponieważ nauczyłeś się już podstawowego działania minimalizacji funkcji za pomocą przykładu, użyjmy tego drugiego przykładu, aby dowiedzieć się, w jaki sposób parametry „metody” i „tol” działają funkcja minimalizująca w funkcji minimalizują. W poprzednim przykładzie nie podaliśmy żadnego opcjonalnego parametru funkcji. W tym przykładzie podamy dwa opcjonalne parametry. Patrz przykładowy kod określony na poniższym zrzucie ekranu:

od Scipy.zoptymalizuj zminimalizowanie importu, Rosen
tablica = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimalizuj (Rosen, tablica, metoda = „nelder-mead”, TOL = 1E-6)
Drukuj (res.X)

Tutaj importujemy bibliotekę scipy, optymalizujemy pakiet, minimalizujemy i różni się funkcją „od Scipy.Zoptymalizuj instrukcję minimalizowania importu, Rosen ”. Następnie podajemy dane w tablicy i przekazujemy tę tablicę do funkcji minimalizowania. Zwróć teraz uwagę, że nazwa metody „Neldor-Mead” jest przekazywana jako parametr „metoda”, a „1E-6” jest przekazywana jako parametr „TOL”.

Parametr „metody” oferuje dostarczenie kilku wcześniej zdefiniowanych funkcji, a „Neldo-Mead” jest jednym z nich. Funkcja „Neldo-Mead” wykorzystuje algorytm simplex, który jest solidny w kilku aplikacjach. Aby zrozumieć różnicę między ogólną, minimalizuj funkcję bez przekazywanych parametrów opcjonalnych i przy przekazywanych parametrach opcjonalnych, patrz następujące dane wyjściowe:

Przykład 3:

Do tej pory nauczyliśmy się korzystać z funkcji minimalizacji z lub bez przekazywania opcjonalnych parametrów. Teraz podajmy różne opcjonalne parametry do funkcji minimalizacji, abyśmy mogli lepiej zrozumieć, jak działa funkcja minimalizowana.

od Scipy.optymalizuj minimalizowanie importu, Rosen, Rosen_Der
tablica = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimalizuj (Rosen, tablica, metoda = „BFGS”, JAC = Rosen_der,
Options = „GTOL”: 1E-6, „disp”: true)
res.X

W tym przykładzie używamy metod „Rosen”, „Rosen_der” i „BFGS”, aby zminimalizować dostarczone dane. Ponownie, biblioteka Scipy, optymalizuj pakiet, minimalizuj, Rosen i Rosen_Der są importowane do programu „From Scipy.Zoptymalizuj instrukcję minimalizowania importu, Rosen, Rosen_Der ”. Następnie dane są dostarczane w tablicy, która jest przekazywana jako parametr danych do funkcji minimalizowania.

Metody, które są tutaj używane, to „BFG” i „JAC = Rosen_Der”. Parametr „opcji” jest używany w wariancie, mając dwie wartości. Metoda BFGS służy do obliczenia wektorów gradientu i jest ona powszechnie wdrażana w metodach Quasi-Newton. Jest to również domyślna metoda stosowana przez funkcję minimalizowaną, jeśli żadna metoda nie jest wyraźnie przekazywana w funkcji minimalizującej jako parametr. Dane wyjściowe kodu przykładowego określono na poniższym zrzucie ekranu:

Wniosek

Aby zakończyć cały artykuł, oto szybkie podsumowanie. Dowiedzieliśmy się o podstawowym działaniu minimalizacji funkcji w języku Pythona. Python staje się najpopularniejszym językiem ze względu na elastyczność, jaką oferuje. Wbudowane funkcje i biblioteki są przydatne, gdy musisz poradzić sobie z jakąś skomplikowaną aplikacją. Tutaj dowiedzieliśmy się o pakiecie optymalizowanym i funkcji minimalizacji za pomocą przykładów przykładowych.