Scipy Minimizar ejemplo

Los desarrolladores han estado recurriendo al lenguaje de programación de Python y priorizar en el aprendizaje de Python sobre cualquier otro lenguaje de programación. Las funciones y bibliotecas en el lenguaje de programación de Python hacen que sea muy fácil y útil para los desarrolladores escribir los códigos complicados. SciPy es la biblioteca de pitón más utilizada para ecuaciones algebraicas, integración, problemas estadísticos, interpolación, ecuaciones diferenciales, optimización, etc. En este artículo, discutimos la función de minimización de SciPy para ayudarlo a comprender cómo funciona la función Scipy Minimize en las aplicaciones de Python.

¿Qué es Scipy Minimize la función en el lenguaje de Python??

Scipy es una biblioteca de código abierto, gratuita y fácil de usar que puede usarse para resolver cualquier tipo de problema técnico, de ingeniería, científico y matemático. Scipy proporciona un "minimizar" y varias funciones útiles en el paquete "optimizar". Una variedad de algoritmos y funciones de optimización están disponibles en el paquete de optimización de scipy y minimizar es uno de ellos.

La función de minimización proporcionada por el paquete de optimización SciPy es una interfaz común que se utiliza para funciones escalares multivariadas con algoritmos de minimización restringidos y sin restricciones. Se usa para minimizar una o más variables de una función escalar. Cada vez que se necesita minimizar un parámetro de entrada para una función, se utiliza la función de minimización de la biblioteca de optimización. La función de minimizar funciona con múltiples métodos útiles para minimizar los diferentes tipos de funciones.

Sintaxis de la función Minimizar:

La siguiente es la sintaxis de la función minimizar:

El número de argumentos que toma la función de minimización es hasta 12. Sin embargo, la función y la "a" son parámetros requeridos y los otros 10 son opcionales. El parámetro "función" representa el nombre de la función que se optimizará y el parámetro "A" representa la matriz de datos. En la próxima sección, mostraremos cómo minimizar una función con la ayuda de ejemplos útiles y simples.

Ejemplo 1:

Comencemos con un ejemplo simple para que podamos tener una comprensión básica de la función de minimizar. Como se discutió anteriormente, se deben proporcionar dos parámetros esenciales para minimizar la función: un nombre de función y los datos. Entonces, en este ejemplo, solo proporcionamos el nombre de la función y los datos a la función de minimizar para comprender cómo funciona la función minimizar. El código de ejemplo se especifica en lo siguiente para su referencia:

De Scipy.Optimizar la importación Minimizar, Rosen
matriz = [1.5, 9.7, 2.8, 6.2, 3.1]
Res = Minimizar (Rosen, Array)
Imprimir (Res.X)

A partir de la primera línea, la biblioteca SciPy, la función de optimización y el método de minimización se importan en el programa con el "De SciPy.Optimizar la importación Minimizar "Declaración. Recuerde siempre que la biblioteca y los paquetes deben importarse al programa antes de que se llamen explícitamente. Si olvida incluir la biblioteca en su programa, eventualmente se encontrará con errores. Entonces, asegúrese de tener todas las bibliotecas y funciones incluidas en su programa antes de llamar a cualquiera de sus funciones.

Una vez que tiene todas las bibliotecas importadas, está listo para proporcionar los datos y usar las diferentes funciones en él. Los datos se proporcionan en la matriz como números de punto flotante. La matriz contiene seis números de puntos flotantes, y se pasa a la función de minimización. El resultado de la función Minimizar se almacena en la variable "Res". Para ver el resultado, consulte la siguiente salida dada:

Ejemplo 2:

Dado que ya aprendió el funcionamiento básico de minimizar la función con la ayuda del ejemplo, usemos este segundo ejemplo para aprender cómo los parámetros de "método" y "tol" de la función de minimizar en la función minimizar. En el ejemplo anterior, no proporcionamos ningún parámetro opcional a la función. En este ejemplo, vamos a dar dos parámetros opcionales. Consulte el código de ejemplo que se especifica en la siguiente captura de pantalla:

De Scipy.Optimizar la importación Minimizar, Rosen
matriz = [1.5, 9.7, 2.8, 6.2, 3.1]
Res = Minimizar (Rosen, Array, Method = 'Nelder-Mead', Tol = 1e-6)
Imprimir (Res.X)

Aquí, importamos la biblioteca Scipy, optimizamos el paquete, minimizamos y la función Rosen con la "De SciPy.Optimizar la instrucción Minimizar, Rosen ". Después de eso, proporcionamos los datos en una matriz y pasamos esa matriz a la función Minimizar. Ahora, tenga en cuenta que el nombre del método "Neldor-Mead" se pasa como el parámetro "Método" y "1E-6" se pasa como el parámetro "TOL".

El parámetro "Método" le ofrece proporcionar varias funciones predefinidas y "Neldo-Mead" es una de ellas. La función "Neldo-Mead" utiliza el algoritmo Simplex que es robusto en varias aplicaciones. Para comprender la diferencia entre el general, minimice la función sin ningún parámetros opcionales aprobados y con los parámetros opcionales aprobados, consulte la siguiente salida dada:

Ejemplo 3:

Hasta ahora, aprendimos a usar la función de minimizar con o sin pasar ningún parámetros opcionales. Ahora, proporcionemos algunos parámetros opcionales diferentes a la función Minimizar para que podamos comprender mejor cómo funciona la función Minimizar.

De Scipy.Optimizar la importación Minimizar, Rosen, Rosen_der
matriz = [1.5, 9.7, 2.8, 6.2, 3.1]
res = minimizar (rosen, array, método = 'bfgs', jac = rosen_der,
opciones = 'gtol': 1e-6, 'disp': true)
resonancia.X

En este ejemplo, utilizamos los métodos "Rosen", "Rosen_der" y "BFGS" para minimizar los datos proporcionados. Nuevamente, la biblioteca Scipy, optimizar el paquete, minimizar, las funciones Rosen y Rosen_der se importan en el programa con el "de SciPy.Optimizar la instrucción Importar Minimizar, Rosen, Rosen_der ". Después de eso, los datos se proporcionan en la matriz que se pasa como un parámetro de datos a la función de minimizar.

Los métodos que se utilizan aquí son "BFGS" y "jac = rosen_der". El parámetro de "opción" se usa en una variación, que tiene dos valores. El método BFGS se utiliza para calcular los vectores de gradiente y se implementa comúnmente en los métodos cuasi-newton. También es el método predeterminado que utiliza la función Minimizar si ningún método se pasa explícitamente en la función Minimizar como parámetro. La salida del código de muestra se especifica en la siguiente captura de pantalla:

Conclusión

Para concluir todo este artículo, aquí hay un resumen rápido. Aprendimos sobre el funcionamiento básico de minimizar la función en el idioma de Python. Python se está convirtiendo en el idioma más popular debido a la flexibilidad que ofrece. Las funciones y las bibliotecas incorporadas son útiles cada vez que tiene que lidiar con una aplicación complicada. Aquí, aprendimos sobre el paquete de optimización y la función de minimizar con la ayuda de ejemplos de muestras.