Scipy minimizza l'esempio

Gli sviluppatori si sono rivolti al linguaggio di programmazione Python e le priorità all'apprendimento di Python su qualsiasi altro linguaggio di programmazione. Le funzioni e le librerie nel linguaggio di programmazione Python rendono molto facile e utile per gli sviluppatori scrivere i codici complicati. Scipy è la libreria Python più comunemente usata per equazioni algebriche, integrazione, problemi statistici, interpolazione, equazioni differenziali, ottimizzazione, ecc. In questo articolo, discutiamo della funzione Scipy Minimizing per aiutarti a capire come funziona la funzione di minimizzazione di Scipy nelle applicazioni Python.

Cos'è Scipy Minimizza la funzione in linguaggio Python?

Scipy è una biblioteca open source, gratuita e facile da usare che può essere utilizzata per risolvere qualsiasi tipo di problema tecnico, ingegneristico, scientifico e matematico. Scipy fornisce un "minimizza" e diverse funzioni utili nel pacchetto "ottimizza". Una varietà di algoritmi e funzioni di ottimizzazione sono disponibili nel pacchetto Optimize Scipy e minimizza.

La funzione minimizzata fornita dal pacchetto Optimize Scipy è un'interfaccia comune che viene utilizzata per le funzioni scalari multivariate con algoritmi di minimizzazione vincolati e non vincolati. Viene utilizzato per ridurre al minimo una o più variabili di una funzione scalare. Ogni volta che è necessario ridurre al minimo un parametro di input per una funzione, viene utilizzata la funzione minimizza della libreria ottimizza. La funzione minimizzante funziona con più metodi utili per ridurre al minimo i diversi tipi di funzioni.

Sintassi della funzione minimizza:

Quanto segue è la sintassi di minimizzare la funzione:

Il numero di argomenti che la funzione minimizza è fino a 12. Tuttavia, la funzione e "A" sono parametri richiesti e gli altri 10 sono opzionali. Il parametro "funzione" rappresenta il nome della funzione che deve essere ottimizzato e il parametro "A" rappresenta l'array di dati. Nella sezione in arrivo, mostreremo come ridurre al minimo una funzione con l'aiuto di esempi utili e semplici.

Esempio 1:

Cominciamo con un semplice esempio in modo che possiamo avere una comprensione di base di minimizzare la funzione. Come precedentemente discusso, devono essere forniti due parametri essenziali per ridurre al minimo la funzione: un nome di funzione e i dati. Quindi, in questo esempio, forniamo solo il nome della funzione e i dati per minimizzare la funzione per capire come funziona la funzione minimizza. Il codice di esempio è specificato nel seguente riferimento:

da Scipy.Ottimizza le importazioni minimizzate, Rosen
array = [1.5, 9.7, 2.8, 6.2, 3.1]
Res = minimizza (Rosen, Array)
Stampa (res.X)

A partire dalla prima riga, la libreria Scipy, ottimizzare la funzione e minimizzare il metodo vengono importati nel programma con "da Scipy.ottimizza l'importazione minimizza ". Ricorda sempre che la biblioteca e i pacchetti devono essere importati nel programma prima di essere esplicitamente chiamati. Se ti dimentichi di includere la libreria nel tuo programma, alla fine ti imbatterai in errori. Quindi, assicurati di avere tutte le biblioteche e le funzioni incluse nel tuo programma prima di chiamare una delle loro funzioni.

Una volta importate tutte le librerie, sei pronto a fornire i dati e utilizzare le diverse funzioni su di essi. I dati sono forniti nell'array come numeri a punta mobile. L'array contiene sei numeri di punta mobile ed è passato alla funzione minimizza. Il risultato dalla funzione minimizza. Per vedere il risultato, consultare il seguente output fornito:

Esempio 2:

Da quando hai già appreso il funzionamento di base per minimizzare la funzione con l'aiuto di esempio, usiamo questo secondo esempio per imparare come i parametri "Metodo" e "TOL" del lavoro di minimizza. Nell'esempio precedente, non abbiamo fornito alcun parametro opzionale alla funzione. In questo esempio, daremo due parametri opzionali. Fare riferimento al codice di esempio specificato nella seguente schermata:

da Scipy.Ottimizza le importazioni minimizzate, Rosen
array = [1.5, 9.7, 2.8, 6.2, 3.1]
Res = minimizza (Rosen, Array, Method = 'Nelder-Mead', Tol = 1E-6)
Stampa (res.X)

Qui, importiamo la libreria Scipy, ottimizza il pacchetto, minimizziamo e rosen con il “da Scipy.Ottimizza l'importazione minimizza, l'istruzione Rosen ”. Successivamente, forniamo i dati in un array e passiamo quell'array alla funzione minimizza. Ora, si noti che il nome del metodo "Neldor-Mead" viene passato come parametro "Metodo" e "1E-6" viene passato come parametro "TOL".

Il parametro "Metodo" ti offre di fornire diverse funzioni predefinite e "Neldo-Mead" è uno di questi. La funzione "Neldo-mead" utilizza l'algoritmo Simplex che è robusto in diverse applicazioni. Per comprendere la differenza tra la funzione generale, minimizza senza alcun parametro opzionale passato e con parametri opzionali passati, consultare il seguente output fornito:

Esempio 3:

Finora, abbiamo imparato a utilizzare la funzione minimizzati con o senza passare parametri opzionali. Ora, forniamo alcuni parametri opzionali diversi alla funzione minimizzano in modo da poter avere una migliore comprensione di come funziona la funzione minimizza.

da Scipy.Ottimizza l'importazione minimizza, Rosen, Rosen_Der
array = [1.5, 9.7, 2.8, 6.2, 3.1]
Res = minimizza (Rosen, Array, Method = 'BFGS', Jac = Rosen_Der,
options = 'gtol': 1e-6, 'disp': true)
res.X

In questo esempio, utilizziamo i metodi "Rosen", "Rosen_der" e "BFGS" per ridurre al minimo i dati forniti. Ancora una volta, la biblioteca Scipy, ottimizza il pacchetto, minimizza, le funzioni Rosen e Rosen_der vengono importate nel programma con "da Scipy.Ottimizza l'importazione minimizza, istruzione Rosen, Rosen_der ". Successivamente, i dati vengono forniti nell'array che viene passato come parametro di dati alla funzione minimizza.

I metodi che vengono utilizzati qui sono "BFGS" e "Jac = Rosen_Der". Il parametro "opzione" viene utilizzato in una variazione, con due valori. Il metodo BFGS viene utilizzato per calcolare i vettori del gradiente ed è comunemente implementato nei metodi Quasi-Newton. È anche il metodo predefinito che viene utilizzato dalla funzione minimizza se non viene esplicitamente passato nella funzione minimizza. L'output del codice di esempio è specificato nella seguente schermata:

Conclusione

Per concludere l'intero articolo, ecco un rapido riepilogo. Abbiamo appreso il funzionamento di base per minimizzare la funzione in lingua Python. Python sta diventando il linguaggio più popolare grazie alla flessibilità che offre. Le funzioni e le librerie integrate sono utili ogni volta che devi affrontare alcune applicazioni complicate. Qui, abbiamo appreso il pacchetto ottimizzante e la funzione minimizza con l'aiuto di esempi di esempio.