我有一个方程组:
for i [1, N]:
|A_i x (X - B_i)|
y_i = ------------------------
|A_i|
the goal: find X such that it minimizes the target function:
sum_{i in [1, N]} (y_i)^2 -> min
其中A_i, X, B_i
是3x1
向量,*
是标量乘法,|v|
是v
的欧氏范数,x
是交叉乘法。你知道吗
如何使用Python(科学优化?) 去解这个方程组?我以前只用numpy.linalg.solve
解了Ax = b
,所以我有点困惑。你知道吗
我在想我应该用Nelder-Mead simplex algorithm,听起来正确吗?你知道吗
基本上,我最终使用了SciPy documentation中的代码:
相关问题 更多 >
编程相关推荐