带有两个方程的 scipy.minimize 仅返回初始值

Posted 2023-03-12

【中文标题】带有两个方程的 scipy.minimize 仅返回初始值

【英文标题】：scipy.minimize with two equations returns initial values only

【发布时间】：2022-01-21 16:00:31

【问题描述】：

我想得到以下方程组的最优解：

x_w * 1010 + x_m * d_m = 1017

x_w + x_m = 1

我的代码如下：

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) - 1017.7

def f2(p):
    x_w, x_m, d_m = p
    return x_w + x_m - 1

bounds =[(0,1), (0,1), (1000, 10000)]

x0 = np.array([0.5, 0.5, 1500])

res = minimize(lambda p: f1(p)+f2(p), x0=x0, bounds=bounds)

但是，我得到的所有 (res.x) 都是初始值 (x0)。

如何让它发挥作用？有更好的方法吗？这三个变量只有这两个方程。

【参考方案1】：

一般来说，你不能通过最小化f1(p) + f2(p) 来求解方程组，因为这个目标的最小值是方程组的无解。但是，您必须最小化每个方程的平方误差之和，即最小化f1(p)**2 + f2(p)**2：

minimize(lambda p: f1(p)**2 + f2(p)**2, x0=x0, bounds=bounds)

不幸的是，您也可以使用不支持边界的scipy.optimize.fsolve。