shgo 0.4.5

说明

使用单纯形同调全局查找函数的全局最小值 优化（shgo）。适用于解决一般用途的nlp和blackbox 全局优化问题（低维问题）。 优化问题的一般形式如下：

minimize f(x) subject to

g_i(x) >= 0,  i = 1,...,m
h_j(x)  = 0,  j = 1,...,p

其中x是一个或多个变量的向量。f(x)是目标 函数R^n -> R，g_i(x)是不等式约束。 h_j(x)是等式约束。

安装

稳定：

$ pip install shgo

最新：

$ git clone https://bitbucket.org/upiamcompthermo/shgo
$ cd shgo
$ python setup.py install
$ python setup.py test

文档

项目网站https://stefan-endres.github.io/shgo/包含更详细的示例、注释和性能配置文件。

快速示例

考虑最小化rosenbrock函数的问题。此函数在rosenin scipy.optimize

>>>fromscipy.optimizeimportrosen>>>fromshgoimportshgo>>>bounds=[(0,2),(0,2),(0,2),(0,2),(0,2)]>>>result=shgo(rosen,bounds)>>>result.x,result.fun(array([1.,1.,1.,1.,1.]),2.9203923741900809e-18)

注意，边界决定目标函数的维数，因此是必需的输入，但是可以使用None或将转换为大浮点数的numpy.inf之类的对象指定空边界。