Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Sé que esto no es algo práctico de hacer (esta pregunta es solo para entender lo que sucede), pero me pregunto por qué SciPy no puede minimizar la siguiente combinación lineal (devuelve los pesos iniciales y solo realiza 1 iteración): from scipy.optimize import minimize import numpy as np mean = . . . Read more
Tengo un problema de optimización no lineal que utiliza 3 variables de decisión, una de estas variables es un número único (t), una es un vector con índice i (S_i) y una es una matriz (Q_i,j) con índices i y j. Actualmente estoy intentando utilizar scipy.optimize.minimize para modelar y resolver . . . Read more
Me gustaría obtener una solución óptima para el siguiente conjunto de ecuaciones: xw * 1010 + xm * dm = 1017 xw + xm = 1 Mi código es el siguiente: from scipy.optimize import minimize import numpy as np def f1(p): x_w, x_m, d_m = p return (x_w*1010 + x_m*d_m) . . . Read more
Antes de mi código: def func(x, a, b): return a * np.exp(b * x) xFit = np.arange(0.0, 20, 0.01) dev_Fluenz1 = np.array([68.9, 21.81, 9.38, 3.73]) dev_Fluenz2 = np.array([137.68, 42.34, 18.75, 7.47]) dev_Fluenz3 = np.array([80.34, 23.82, 10.06, 3.76]) dev_Fluenz4 = np.array([203.7, 61.67, 10.06, 10.33]) dev_Fluenz5 = np.array([135.74, 46.23, 19.42, 11.21]) dev_Fluenz6 . . . Read more
Estoy tratando de optimizar esta función: def voce(strain, sigma_s, sigma_y, epsilon_0): stress = sigma_s – (sigma_s – sigma_y)*np.exp(-strain/epsilon_0) return stress encontrando los mejores valores para sigmas, sigmay y epsilon_0. Tanto Strain como stress deberían ser matrices unidimensionales de numpy. He intentado: initial_guess = [1, 1, 1] result = minimize(voce, initial_guess) . . . Read more