                        课程
                    
                        /后端开发
                        
                            /Python
                        
                        /Python数据分析-基础技术篇

结果不一样

def func(x):
    return (2*x[0]*x[1]+2*x[0]-x[0]**2-2*x[1]**2)
def func_deriv(x):
    dfdx0=(-2*x[0]+2*x[1]+2)
    dfdx1=(2*x[0]-4*x[1])
    return np.array([dfdx0,dfdx1])
cons=({"type":"eq",
       "fun":lambda x:np.array([x[0]**3-x[1]]),
       "jac":lambda x:np.array([3.0*(x[0]**2.0),-1.0])},
      {'type':'ineq',
       'fun':lambda x:np.array([x[1]-1]),
       'jac':lambda x:np.array([0.0,1.0])})
res=minimize(func,[-1.0,1.0],jac=func_deriv,constraints=cons,method='SLSQP',options={'disp':True})
print("RESTRICT",res)

慕设计1538302

2019-06-17

源自：Python数据分析-基础技术篇 4-4

关注问题我要回答

773

操作

收起

1 回答

慕设计3172499
2019-07-25

def func(x):
    return -(2*x[0]*x[1]+2*x[0]-x[0]**2-2*x[1]**2)
def  func_deriv(x):
    dfdx0 = -(-2*x[0] + 2*x[1] + 2)
    dfdx1 = -(2*x[0] - 4*x[1])
    return np.array([dfdx0,dfdx1])
cons = ({"type":"eq","fun":lambda x:np.array([x[0]**3.0-x[1]]),
        "jac":lambda x:np.array([3.0*(x[0]**2.0),-1.0])},
        {"type":"ineq","fun":lambda x:np.array([x[1]-1]),
        "jac":lambda x:np.array([0.0,1.0])})
res=minimize(func,[-1.0,1.0],jac = func_deriv,constraints=cons,
    method='SLSQP',options = {'disp':True})
print("RESTRICT:",res)