nonlinear-optimization

1熱

2答えて

scipy.optimize.minimize（ 'SLSQP'）2000 dim変数を与えたときに処理が遅すぎる

私は制約と上限/下限で非lenear最適化問題があるので、scipyではSLSQPを使用する必要があります。問題は明らかに凸ではありません。私は、目的関数と制約関数の両方が正常に動作するようにjacobian foを得ました（結果は300入力ベクトルまでは良い/高速です）。すべての機能はベクトル化され、非常に高速に動作するように調整されています。問題は、1000+入力ベクトルの使用には年齢がかか

0熱

1答えて

MPIによる数値最適化

MPI指令を使用して最適化ルーチンを並列化しようとしています。プログラムの構造は、本文の最後のブロック図におおよそ似ています。データは最適化ルーチンに送られ、Objective関数サブルーチンと別のサブルーチンが呼び出され、 "Jacobian"という行列が計算されます。最適化ルーチンは、Objective関数の最小値に達するのに必要な回数だけ反復し、結果で終了します。ヤコビ行列は、最小値がどの方

0熱

1答えて

Pyomoと条件付き目的関数

条件式を持つ目的関数を使用することは可能ですか？ドキュメントからの例を変更、私のような表現たいと思います： def objective_function(model): return model.x[0] if model.x[1] < const else model.x[2] model.Obj = Objective(rule=objective_function, sens

0熱

1答えて

2つの変数（異なる次元）の非線形最小二乗最小化（

）私は2つの変数kとTの関数を持っています。複数の（k、T）偶数の関数の値を持っている場合。しかし、私はそれぞれに同じ金額を持っていません。例えば、I 2 T 3 kにおける関数fの値を知っている： F(k1,T1) = f1 F(k1,T2) = f2 F(k2,T1) = f3 F(k2,T2) = f4 F(k3,T1) = f5 F(k3,T2) = f6 Iはまた、関数

0熱

1答えて

BRMSパッケージスムーズに

私はRで、このデータフレームを持っている： x = rep(seq(-10,10,1),each=5) y = rep(0,length(x)) weights = sample(seq(1,20,1) ,length(x), replace = TRUE) weights = weights/sum(weights) groups = rep(letters[1:5], times =l

0熱

1答えて

二次プログラムの処方：Matlabの

この目的関数を考える：最小化：いくつかの等式と不等式 f = (Ax + By)' * G * (Ax + By) 対象。ここで、xおよびyはそれぞれ、pおよびq要素の実数値ベクトル（決定変数）です。サイズm * pのA,m * qのB、Gはサイズm * mの対称マトリックスである。私の質問は、v' * G * vという形でfを書いて、quadprogで簡単に使用できるようにすることです

0熱

1答えて

CPLEXにおける最適化のための線形化

私は二次制約を持つ最適化問題を解こうとしました。制約の線形化が必要です。私は、次の等式制約のためにそれを行うための方法を探しています：xとyが連続決定変数としている z == x*(x-y); ： x1 <= x <= x2; y1 <= y <= y2;

0熱

2答えて

R BBパッケージ - 目的関数にパラメータを渡す方法はありませんか？

RパッケージBBを使用して非線形方程式を解くことに熱心ですが、この構文ではパラメータを方程式のシステムに渡すことはできません。これは非常に魅力的で強力なnleqslv（）の代わりと思われるものを厳しく制限するので、非常に奇妙です。明確にする：「通常は」ソルバには、基礎となる目的関数にパラメータを渡すためのスペースが必要です。たとえば。 out <- nleqslv(in_x, obj_fn, j

0熱

1答えて

pythonでcvxpyを使ってこの方程式を最小にするには？

私は、これは私のコードであるCVXPYに新しいですし、いくつかの最適化をしたいと思っ、：私は（Mによってn）を持っている wx is 1 by n matrix (the variable matrix, unknown, to be solved) A is n by m (known),i1 is m by 1 (known),i2 is m by 1 (known) a is n b

0熱

1答えて

scipy.optimize.bruteを使用する

this postに基づいて私はARIMAモデルでグリッドセーチを行うためにbruteを使用しようとしていますが、実行することはできません。私はこの原則の証拠を守っていますが、私は議論に間違っていますか？ y = pd.DataFrame([0,1,4,9,16]) + 3 def objfunc(coeffs, endog): exp = coeffs[0] const =