对于不等式约束的极值问题
常常利用拉格朗日对偶性将原始问题转换为对偶问题，通过解对偶问题而得到原始问题的解 。该方法应用在许多统计学习方法中 。有兴趣的可以参阅相关资料 ， 这里不再赘述 。def f(X): return (X[0] - 1)**2 + (X[1] - 1)**2def g(X): return X[1] - 1.75 - (X[0] - 0.75)**4x_opt = opt.minimize(f, (0, 0), method='BFGS').xconstraints = [dict(type='ineq', fun=g)] # 约束采用字典定义，约束方式为不等式约束，边界用 g 表示x_cons_opt = opt.minimize(f, (0, 0), method='SLSQP', constraints=constraints).xfig, ax = plt.subplots(figsize=(6, 4))x_ = y_ = np.linspace(-1, 3, 100)X, Y = np.meshgrid(x_, y_)c = ax.contour(X, Y, f((X, Y)), 50)ax.plot(x_opt[0], x_opt[1], 'b*', markersize=15) # 蓝色星星，没有约束下的最小值ax.plot(x_, 1.75 + (x_-0.75)**4, '', markersize=15)ax.fill_between(x_, 1.75 + (x_-0.75)**4, 3, color="grey")ax.plot(x_cons_opt[0], x_cons_opt[1], 'r*', markersize=15) # 在区域约束下的最小值ax.set_ylim(-1, 3)ax.set_xlabel(r"$x_0$", fontsize=18)ax.set_ylabel(r"$x_1$", fontsize=18)plt.colorbar(c, ax=ax)fig.tight_layout()
scipy.optimize.minimize 中包括了多种最优化算法 ， 每种算法使用范围不同，详细参考官方文档 。
python对函数求偏导的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于python partial偏函数及用法、python对函数求偏导的信息别忘了在本站进行查找喔 。
推荐阅读
- 学html5用什么书比较好，html5哪本书好
- 外卖新人如何做推广的，外卖需要怎么去推广
- ios主屏幕字体怎么换，苹果手机怎样在主屏幕上设置字体
- 营销如何组建团队，组建营销团队方案范文
- p0flinux命令 linux floppy
- 手机视频信息费是什么，手机视频信息费是什么意思
- jquery中局部刷新，javascript局部刷新
- 微信如何开启视频直播权限，微信视频怎么开直播美颜功能
- 包含哪些软件是vb.net的词条