python非线性最小二乘拟合设置不等式约束

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请问如何在python中的非线性最小二乘拟合算法中设置不等式约束，scipy.optimize中有curve_fit算法可以进行拟合，scipy.optimize也有minimize算法可以设置不等式约束，那么请问，如何把两种算法的功能结合起来。我想要对CD函数进行拟合，同时对其中的参数函数进行范围设置，这个设置包括不等式约束设置。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：非线性最小二乘 python 最小二乘 不等式 非线性

minimize是scipy中optimize模块的一个函数，调用
import scipy.optimize as opt
res=opt.minimize()

主要参数
res=opt.minimize(fun, x0, args=(), method=None, jac=None, hess=None,
             hessp=None, bounds=None, constraints=(), tol=None,
             callback=None, options=None)
#fun：该参数就是costFunction你要去最小化的损失函数，将costFunction的名字传给fun
#x0: 猜测的初始值
#args=():优化的附加参数，默认从第二个开始                 
#method：该参数代表采用的方式，默认是BFGS, L-BFGS-B, SLSQP中的一种，可选TNC
#options：用来控制最大的迭代次数，以字典的形式来进行设置，例如：options={‘maxiter’:400}
#constraints: 约束条件，针对fun中为参数的部分进行约束限制,多个约束如下：
          '''cons = ({'type': 'ineq', 'fun': lambda x: x[0] - x1min},\
             {'type': 'ineq', 'fun': lambda x: -x[0] + x1max},\
             {'type': 'ineq', 'fun': lambda x: x[1] - x2min},\
             {'type': 'ineq', 'fun': lambda x: -x[1] + x2max})'''
#tol: 目标函数误差范围，控制迭代结束  
#callback: 保留优化过程