移动网站 pc网站的区别吗,网站建设费用大全,建设行政主管部门相关网站,王野天的照片目录
1.算法流程简介
2.算法核心代码
3.算法效果展示 1.算法流程简介
#非线性规划模型求解:
#我们采用通用的minimize函数来求解
#minimize(f,x,method,bounds,contrains)
#f是待求函数
#x是代求的自变量
#method是求解方法
#bounds是取值范围边界
#contrains是约束条件#Question:min fx1^2x2^2x3^28s.t.:x1^2-x2^2x3^20x1x2^2x3^220-x1-x2^220x22x3^23x1,x2,x30 #具体流程如下所示:
#1.设置待求函数和约束条件
#2.处理边界约束问题
#3.代入计算求解最优值
2.算法核心代码
#引用库和函数
import numpy as np
from scipy.optimize import minimize
from scipy import optimize as opt#1.设置待求函数和约束条件
def cal_fun(x):return x[0]*x[0]x[1]*x[1]x[2]*x[2]8
def cont1(x):return x[0] ** 2 - x[1] x[2] ** 2#s.t.1
def cont2(x):return -(x[0] x[1] ** 2 x[2] ** 2 - 20)#s.t.2
def cont3(x):return -x[0] - x[1] ** 2 2#s.t.3
def cont4(x):return x[1] 2 * x[2] ** 2 - 3#s.t.4#2.处理边界约束问题
b(0,None)
rbound(b,b,b)con1{type:ineq,fun:cont1}
con2{type:ineq,fun:cont2}
con3{type:eq,fun:cont3}
con4{type:eq,fun:cont4}
cons([con1,con2,con3,con4])#3.代入计算求解最优值
xnp.array([0,0,0])
ansminimize(cal_fun,x,methodSLSQP,boundsrbound,constraintscons)
x_ansans.x
print(最优解:str(cal_fun(x_ans)))
print(最优解的方案是:x1str(x_ans[0]),x2str(x_ans[1]))3.算法效果展示
