optimization - 具有多个约束的 scipy 优化
解决方案
cvxpy 是一个不错的选择:
import cvxpy as cp
import numpy as np
np.random.seed(1)
y = 100*np.random.random(1)
x = 200*np.random.random(1000)-100
b = cp.Variable(1000)
constraints = [-100<=b, b<=100, cp.sum(b)==2]
obj = cp.Minimize( cp.square(y-x@b) )
prob = cp.Problem(obj, constraints)
val = prob.solve()
print(f"Objective value {val}")
print("b values: {0}".format(b.value))
推荐阅读
- git - git:如何只允许访问某些文件夹(不是所有 repo)?回购在 Windows 服务器上
- python - 如何在 Django 模板中显示模型功能
- email - Bot Framework 电子邮件通道响应时间慢
- google-drive-api - 如何在特定团队驱动器或文件夹中创建文件?
- codeigniter - Codeigniter:调整多张上传图片的大小只会调整一张图片的大小
- matplotlib - Julia @eval 世界年龄不匹配
- android - 如何在项目出现之前在 android 中为项目加载带有毕加索的图像?
- windows - 如何将 void 指针传递给 Golang 中的 Windows DLL (void**)
- python - 在 pandas DataFrame 的每一行上训练 IsolationForest 是否有更快的方法?
- c - CS50 Pset 2- 凯撒密码