我經常需要解決非線性問題,其中變量的數量超過了約束的數量(或者有時是相反的)。通常一些約束或變量以複雜的方式是冗餘的。有什麼辦法可以解決這些問題嗎?受約束的系統的SciPy優化
大多數scipy求解器似乎認爲約束的數量等於變量的數量,雅可比矩陣是非奇異的。 leastsq
有時會起作用,但當約束數少於變量數時,它甚至不會嘗試。我意識到我可以在linalg.norm(F)
上運行fmin
,但這比使用雅可比行列式的任何方法效率低得多。
這是一個問題的例子,它演示了我在說什麼。它顯然有一個解決方案,但leastsq
提供了一個錯誤。當然,這個例子很容易用手解決,我只是把它放在這裏來展示這個問題。
import numpy as np
import scipy.optimize
mat = np.random.randn(5, 7)
def F(x):
y = np.dot(mat, x)
return np.array([ y[0]**2 + y[1]**3 + 12, y[2] + 17 ])
x0 = np.random.randn(7)
scipy.optimize.leastsq(F, x0)
該錯誤消息我得到的是:
Traceback (most recent call last):
File "question.py", line 13, in <module>
scipy.optimize.leastsq(F, x0)
File "/home/dstahlke/apps/scipy/lib64/python2.7/site-packages/scipy/optimize/minpack.py", line 278, in leastsq
raise TypeError('Improper input: N=%s must not exceed M=%s' % (n,m))
TypeError: Improper input: N=7 must not exceed M=2
我已經走遍了淨的答案,甚至要求SciPy的郵件列表上,並沒有得到迴應。現在我攻擊了SciPy源碼,以便newton_krylov
求解器使用pinv()
,但我不認爲這是一個最佳解決方案。
這是一個真正的問題SciPy的或者是它實際上是一個數學一名身穿假鬍子? – talonmies 2012-02-18 16:48:21
我相信這是一個scipy的問題。我可以使用自己編寫的自定義求解器來解決這些類型的問題,但希望能夠使用現有的scipy求解器。此外,matlab的fsolve似乎能夠解決這些問題。這似乎是一種常見的情況,很難相信scipy無法處理它(貌似)。 – 2012-02-18 17:08:23
'fsolve'使用信任域方法IIRC。那麼你真的想知道是否有類似的scipy函數來「解析」嗎? – talonmies 2012-02-18 17:27:01