如何做復(fù)雜的非線性求根Python問題，怎么解決

使用scipy下的fsolve函數(shù)即可求解，代碼如下：

網(wǎng)站建設(shè)哪家好，找成都創(chuàng)新互聯(lián)公司！專注于網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、小程序定制開發(fā)、集團(tuán)企業(yè)網(wǎng)站建設(shè)等服務(wù)項目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了津市免費建站歡迎大家使用！

[python] view plain copy

from scipy.optimize import fsolve

from math import cos

def f(x):

d = 140

l = 156

a = float(x[0])

r = float(x[1])

return [

cos(a) - 1 + (d*d)/(2*r*r),

l - r * a

]

result = fsolve(f, [1, 1])

print result

python解非線性方程組（3個），為什么只有一組解？？應(yīng)該有2組解啊，求解?。?！

這是我按照你的方法得到的結(jié)果

import?math

def?f(list):

...?????x,y,z=list//注意這里是list的解包?不過如果你不傳入list而是別的?比如字符串?就需要用到?tolist了

...?????return[math.sqrt((x-15.34)**2+(y-51.59)**2+(z-57.55)**2)-4.59,

math.sqrt((x-18.92)**2+(y-49.03)**2+(z-53.91)**2)-6.33,

math.sqrt((x-16.46)**2+(y-55.25)**2+(z-58.49)**2)-5.32]

...

f([9,8,7])

[62.459132731154696,?56.776381610737275,?64.96110841470843]

f([1,1,1])

[72.62972675424331,?67.34140150696197,?75.22299597109608]

是三個結(jié)果沒錯啊

我猜你的 fsolve的方法內(nèi)容是這樣的吧

def ?fsolve(method,list):

return method(list)

或者你在fsolve里面對 f(list)返回的結(jié)果又做了一些操作,發(fā)一下你的 fsolve方法吧 要不然找不到問題所在 ?目前來看 你的f方法是正確的

python非線性規(guī)劃用什么模塊

python非線性規(guī)劃用什么模塊本文使用SciPy的optimize模塊來求解非線性規(guī)劃問題，結(jié)合實際例子，引入非線性規(guī)劃問題的求解算法及相應(yīng)函數(shù)的調(diào)用。

本文提綱一維搜索／單變量優(yōu)化問題

無約束多元優(yōu)化問題

非線性最小二乘問題

約束優(yōu)化問題

非線性規(guī)劃問題的目標(biāo)函數(shù)或約束條件是非線性的。本文使用SciPy的optimize模塊來求解非線性規(guī)劃問題。

目標(biāo)函數(shù)和約束條件是否連續(xù)光滑是非常重要的性質(zhì)，這是因為如果光滑，則所有決策變量可微，多變量函數(shù)的偏導(dǎo)數(shù)組成的向量為梯度，梯度是指向目標(biāo)函數(shù)增長最快的方向。將目標(biāo)函數(shù)梯度作為搜索方向，對非線性規(guī)劃問題的求解具有重要的意義。這些函數(shù)或其導(dǎo)數(shù)\梯度的不連續(xù)性給許多現(xiàn)有的非線性優(yōu)化問題的求解帶來了困難。在下文中，我們假設(shè)這些函數(shù)是連續(xù)且光滑的。

# Importing Modules

from scipy import optimize

import matplotlib.pyplot as plt

import numpy as np

import sympy

1、一維搜索／單變量優(yōu)化問題(Univariate Optimization)

無約束非線性規(guī)劃最簡單的形式是一維搜索。一維搜索通常作為多維優(yōu)化問題中的一部分出現(xiàn)，比如梯度下降法中每次最優(yōu)迭代步長的估計。求解一維搜索常用的兩類方法是函數(shù)逼近法和區(qū)間收縮法。其中函數(shù)逼近法是指用較簡單的函數(shù)近似代替原來的函數(shù)，用近似函數(shù)的極小點來估計原函數(shù)的極小點，比如牛頓法；區(qū)間收縮法對于一個單谷函數(shù)通過迭代以不斷縮小該區(qū)間的長度，當(dāng)區(qū)間長度足夠小時，可將該區(qū)間中的一點作為函數(shù)的極小點，比如黃金分割法。

e.g. 最小化一個單位體積的圓柱體的表面積。

r, h = sympy.symbols("r, h")

Area = 2 * sympy.pi * r**2 + 2 * sympy.pi * r * h

Volume = sympy.pi * r**2 * h

本文題目：python解非線性函數(shù) python 非線性
文章地址：http://chinadenli.net/article30/dogseso.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供營銷型網(wǎng)站建設(shè)、移動網(wǎng)站建設(shè)、手機(jī)網(wǎng)站建設(shè)、全網(wǎng)營銷推廣、定制開發(fā)、網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)