对许多参数使用 scipy 优化库答案

【问题标题】：Using scipy optimization library for many parameters对许多参数使用 scipy 优化库
【发布时间】：2016-12-06 19:48:38
【问题描述】：

我想最大化一个有五十个变量的函数的返回值；

def function_to_maximize:
    return (7.9*a1 + 8.1*a2 + 0.4*a3 + ........ + 2.6*a50)

我的变量是 0

很遗憾，我对这类任务不是很熟悉。通过谷歌搜索，我发现我可以使用这个documantation 来完成工作，但我不知道如何使用这个库。

您能否提供一个简单的 cmets 示例代码，告诉我必须应用的步骤？

【问题讨论】：

你试过只使用几个变量吗？有哪些障碍？
@Benjamin 首先我想做一个最大化，但文档谈到了最小化。必须有一个技巧来找到最大值。还有很多标头、算法。我不确定哪一个适合我。它们只是最小化功能的不同实现吗？
是的，它们是不同的算法。有些支持约束，有些不支持。如果你使用一般的最小化函数 scipy 会自动选择一个。只需检查文档和示例。你的问题是微不足道的。请记住：max (7*a1 + 8*a2) == min(-7*a1 -8*a2)。 编辑：这里最好的方法是使用线性规划（这是最有限的方法，一般来说最好的求解器）。在 scipy 中有 linprog，但它很糟糕。不过你可以试试！
当 10 个最大的乘法因子在变量中的值都为 10（其他为零）时，会不会出现最大值？
当然不是@Benjamin。 10000*a1+0.1*a2+0.1*a3+0.1*a4+0.1*a5+0.1*a6+0.1*a7+0.1*a8+0.1*a9+0.1*a10+0?

标签： python numpy optimization scipy

【解决方案1】：

使用我为scipy 制作的包装器symfit，这变得更容易实现。所以请原谅我推荐你试一试。你可以在这里找到文档：http://symfit.readthedocs.io/en/latest/fitting_types.html#minimize-maximize

在你的情况下；我会做以下事情：

from symfit import parameters, Maximize, Equality

# Make your 50 parameters to optimize and their coefficients.
aN = parameters(', '.join('a{}'.format(i) for i in range(1, 51)))
coeff = [7.9, 8.1, ..., 2.6]

model = sum(coeff_i * a_i for a_i, coeff_i in zip(aN, coeff))
fit = Maximize(model, constraints=[Equality(sum(aN), 100)])
fit_result = fit.execute()

完成！

附言我担心这是一个未确定的方程组，对吗？但这是你要担心的:)。

【讨论】：