Scipy minimiser l'exemple

Les développeurs se sont tournés vers le langage de programmation Python et ont priorisé en apprenant Python sur tout autre langage de programmation. Les fonctions et les bibliothèques du langage de programmation Python rendent très facile et utile pour les développeurs d'écrire les codes compliqués. Scipy est la bibliothèque Python la plus couramment utilisée pour les équations algébriques, l'intégration, les problèmes statistiques, l'interpolation, les équations différentielles, l'optimisation, etc. Dans cet article, nous discutons de la fonction Scipy minimiser la fonction pour vous aider à comprendre comment la fonction de minimiser SCIPY fonctionne dans les applications Python.

Qu'est-ce que Scipy minimiser la fonction en langue python?

Scipy est une bibliothèque open-source, gratuite et facile à utiliser qui peut être utilisée pour résoudre tout type de problème technique, ingénierie, scientifique et mathématique. Scipy fournit un «minimiser» et plusieurs fonctions utiles dans le package «Optimiser». Une variété d'algorithmes et de fonctions d'optimisation sont disponibles dans le package Scipy Optimiser et minimiser en fait partie.

La fonction minimiser fournie par le package Scipy Optimize est une interface commune qui est utilisée pour les fonctions scalaires multivariées avec des algorithmes de minimisation contraints et non contraints. Il est utilisé pour minimiser une ou plusieurs variables d'une fonction scalaire. Chaque fois qu'un paramètre d'entrée pour une fonction doit être minimisé, la fonction de minimisation de la bibliothèque Optimize est utilisée. La fonction minimiser fonctionne avec plusieurs méthodes utiles pour minimiser les différents types de fonctions.

Syntaxe de la fonction minimiser:

Ce qui suit est la syntaxe de la fonction minimiser:

Le nombre d'arguments que prend la fonction minimiser est jusqu'à 12. Cependant, la fonction et «A» sont des paramètres requis et les 10 autres sont facultatifs. Le paramètre «fonction» représente le nom de fonction qui doit être optimisé et le paramètre «A» représente le tableau de données. Dans la section à venir, nous montrerons comment minimiser une fonction à l'aide d'exemples utiles et simples.

Exemple 1:

Commençons par un exemple simple afin que nous puissions avoir une compréhension de base de la minimisation de la fonction. Comme indiqué précédemment, deux paramètres essentiels doivent être fournis pour minimiser la fonction - un nom de fonction et les données. Ainsi, dans cet exemple, nous ne fournissons que le nom de la fonction et les données à la fonction minimiser pour comprendre comment fonctionne la fonction minimiser. L'exemple de code est spécifié dans ce qui suit pour votre référence:

de Scipy.Optimiser l'importation minimiser, Rosen
tableau = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimiser (rosen, array)
imprimer (res.X)

À partir de la première ligne, la bibliothèque SCIPY, Optimiser la fonction et minimiser la méthode sont importées dans le programme avec le «de Scipy.Optimiser l'importation minimiser ». N'oubliez pas que la bibliothèque et les packages doivent être importés dans le programme avant qu'ils ne soient explicitement appelés. Si vous oubliez d'inclure la bibliothèque de votre programme, vous finirez par rencontrer des erreurs. Alors, assurez-vous que vous avez toutes les bibliothèques et fonctions incluses dans votre programme avant d'appeler l'une de leurs fonctions.

Une fois toutes les bibliothèques importées, vous êtes prêt à fournir les données et à utiliser les différentes fonctions dessus. Les données sont fournies dans le tableau en tant que nombres à virgule flottante. Le tableau contient six nombres de points flottants, et il est transmis à la fonction minimiser. Le résultat de la fonction minimiser est stocké dans la variable «Res». Pour voir le résultat, reportez-vous à la sortie donnée suivante:

Exemple 2:

Étant donné que vous avez déjà appris le fonctionnement de base de minimiser la fonction à l'aide de l'exemple, utilisons ce deuxième exemple pour savoir comment les paramètres «méthode» et «tol» de la fonction minimiser fonctionnent dans la fonction minimiser. Dans l'exemple précédent, nous n'avons fourni aucun paramètre facultatif à la fonction. Dans cet exemple, nous allons donner deux paramètres facultatifs. Reportez-vous à l'exemple de code spécifié dans la capture d'écran suivante:

de Scipy.Optimiser l'importation minimiser, Rosen
tableau = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimiser (rosen, array, méthode = 'nelder-mead', tol = 1e-6)
imprimer (res.X)

Ici, nous importons la bibliothèque Scipy, Optimiser le package, minimiser et minimiser la fonction Rosen avec le «de Scipy.Optimiser l'importation minimiser, instruction ROSEN ». Après cela, nous fournissons les données dans un tableau et passons ce tableau à la fonction minimiser. Maintenant, notez que le nom de la méthode «Neldor-mead» est passé comme le paramètre «Méthode» et «1E-6» est passé comme le paramètre «TOL».

Le paramètre «Méthode» vous propose de fournir plusieurs fonctions prédéfinies et «Neldo-mead» en fait partie. La fonction «Neldo-mead» utilise l'algorithme simplex qui est robuste dans plusieurs applications. Pour comprendre la différence entre le général, minimiser la fonction sans aucun paramètre facultatif passé et avec des paramètres facultatifs passés, reportez-vous à la sortie donnée suivante:

Exemple 3:

Jusqu'à présent, nous avons appris à utiliser la fonction minimiser avec ou sans passer des paramètres facultatifs. Maintenant, fournissons des paramètres facultatifs différents à la fonction minimiser afin que nous puissions mieux comprendre le fonctionnement de la fonction de minimiser.

de Scipy.Optimiser l'importation minimiser, Rosen, Rosen_der
tableau = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimiser (rosen, array, méthode = 'bfgs', jac = rosen_der,
Options = 'gtol': 1e-6, 'disp': true)
res.X

Dans cet exemple, nous utilisons les méthodes «Rosen», «Rosen_der» et «BFGS» pour minimiser les données fournies. Encore une fois, les fonctions Scipy Library, Optimiser le package, minimiser, Rosen et Rosen_der sont importées dans le programme avec le «de Scipy.Optimiser l'importation minimiser, Rosen, Rosen_der ». Après cela, les données sont fournies dans le tableau qui est passé sous forme de paramètre de données à la fonction minimiser.

Les méthodes utilisées ici sont «BFGS» et «JAC = Rosen_der». Le paramètre «Option» est utilisé dans une variation, ayant deux valeurs. La méthode BFGS est utilisée pour calculer les vecteurs de gradient et il est généralement mis en œuvre dans les méthodes quasi-newton. Il s'agit également de la méthode par défaut qui est utilisée par la fonction minimiser si aucune méthode n'est explicitement transmise dans la fonction minimiser en tant que paramètre. La sortie de l'exemple de code est spécifiée dans la capture d'écran suivante:

Conclusion

Pour conclure tout cet article, voici un récapitulatif rapide. Nous avons appris le fonctionnement de base de minimiser la fonction dans la langue python. Python devient la langue la plus populaire en raison de la flexibilité qu'il offre. Les fonctions et les bibliothèques intégrées sont utiles chaque fois que vous devez faire face à une application compliquée. Ici, nous avons appris le package Optimize et la fonction minimiser à l'aide d'exemples d'échantillons.