我有以下测试程序。我的查询分为两部分:(1) 解决方案如何给出零以及 (2) 使用这种 x2= np.where(x > y, 1, x) 条件是否合适在变量上? Scipy 中是否有任何约束优化例程?
a = 13.235
b = 70.678
def system(X, a,b):
x=X[0]
y=X[1]
x2= np.where(x > y, 1, x)
f=np.zeros(3)
f[0] = 2*x2 - y - a
f[1] = 3*x2 + 2*y- b
return (X)
func= lambda X: system(X, a, b)
guess=[5,5]
sol = optimize.root(func,guess)
print(sol)
编辑:(2a) 这里有 x2= np.where(x > y, 1, x) 条件,两个方程变成一个方程。 (2b) 在另一个变化要求中是:x2= np.where(x > y, x^2, x^3)。我也来评论一下这两个。谢谢!
请您参考如下方法:
首先,您的system 函数是一个标识,因为您return X 而不是return f。返回值应该与 X 的形状相同,所以你最好有
f = np.array([2*x2 - y - a, 3*x2 + 2*y- b])
接下来的函数,正如所写的那样,在 x=y 处有一个不连续点,这导致 (5,5) 的初始猜测出现问题。将初始猜测设置为 (5,6) 可以快速找到解决方案 [13.87828571, 14.52157143]。
对于第二个示例,再次使用 [5,5] 的初始猜测会导致不连续的问题,使用 [5,6] 给出 [2.40313743, 14.52157143] 的解决方案。
这是我的代码:
import numpy as np
from scipy import optimize
def system(X, a=13.235, b=70.678):
x = np.where(X[0] > X[1], X[0]**2, X[0]**3)
y=X[1]
return np.array( [2*x - y - a, 3*x + 2*y - b])
guess = [5,6]
sol = optimize.root(system, guess)
print(sol)
