通常我使用Mathematica，但現在試圖轉移到python，所以這個問題可能是一個微不足道的，所以我很抱歉。參數在優化間隔內
不管怎樣，python中是否有任何內置函數，它類似於Mathematica中名爲區間[{min，max}]的函數？鏈接是：http://reference.wolfram.com/language/ref/Interval.html
我想要做的是，我有一個函數，我想盡量減少它，但它是一個約束最小化，我的意思是，該函數的參數只允許在一些特定間隔。
對於一個非常簡單的例子，讓我們說F（X）是與參數X函數和我尋找的X其功能，但X最小化是一個間隔內的約束的值（最小，最大）。 [很明顯，實際問題並不是一維而是多維的優化，因此不同的參數可能會有不同的間隔。 ]
由於這是一個優化問題，所以當然我不想從間隔中隨機選取參數。
任何幫助將不勝感激，謝謝！
如果這是一個高度非線性問題，則需要使用算法，如廣義縮減梯度法（GRG）。
廣義減小梯度算法（GRG）的想法是解決的子問題的序列，其中的每一個使用的約束的線性近似。 （Ref）
您需要確保符合KKT條件等特定條件，但對於具有合理約束條件的大多數連續問題，您將能夠應用此算法。
This對於提供的幾個例子來說是一個很好的參考。參考。皮克。 104.
關於實施：
雖然我不熟悉Python，我一直在使用的模板以及使用函數指針，所以你可以在函數傳遞（爲目標，以及以C求解庫++作爲約束條件）作爲求解器的參數，你會得到你的結果 - 希望在多項式時間出現凸起問題或初始值合理的情況下。
如果在Python中存在這樣做的能力，那麼建立一個廣義GRG求解器應該不會很困難。
Python的解決方案：
編輯：這裏是Python解決問題的方法：Python constrained non-linear optimization
我不知道這個GRG方法。以前我在Mathematica中使用Simplex方法，這實際上是Nelder-Mead算法。無論如何，我認爲我的問題應該有一個直接的答案，通過定義參數的時間間隔（忘記最小化問題）。現在看起來似乎一切都如此牽扯。順便說一句，感謝您的鏈接，我不知道這些方法，所以我會詳細查看它們，並找出它是否有幫助。 – string
嗯，我很驚訝你可以使用普通的單純形來處理高度非線性的問題（除非問題在間隔內近似線性，因此simplex給出了足夠接近的答案）。但是如果你想使用Nelder Mead方法，下面是Excel中的一個參考例子，你可以學習和實現：http://www.personal.soton.ac.uk/rchc/NATCOR/Examples/NelderMeadDemo.xls – hnk
如果您的問題是凸的和連續的領域，你可以簡單地構建一個廣義梯度下降解決方法與約束即，你的間隔。 – hnk
我不太確定你的意思。實際上，手中的問題是高度非線性的多維問題，我會去尋求不需要梯度的最小化單純形法。我只需要限制參數間隔。 – string
你將如何使用單純的高度非線性問題？ – hnk