本文简要介绍 python 语言中 scipy.optimize.LinearConstraint
的用法。
用法:
class scipy.optimize.LinearConstraint(A, lb=-inf, ub=inf, keep_feasible=False)#
对变量的线性约束。
约束具有一般不等式形式:
lb <= A.dot(x) <= ub
这里,自变量 x 的向量作为形状为 (n,) 的 ndarray 传递,矩阵 A 的形状为 (m, n)。
可以使用等界来表示等式约束,或使用无限界来表示单侧约束。
- A: {数组, 稀疏矩阵}, 形状 (m, n)
定义约束的矩阵。
- lb, ub: 密集数组,可选
约束的下限和上限。每个数组必须具有形状 (m,) 或为标量,在后一种情况下,约束的所有分量的界限都相同。使用
np.inf
用适当的符号来指定单方面的约束。设置组件磅和ubequal 表示等式约束。请注意,您可以通过设置不同的组件来混合不同类型的约束:间隔、单边或相等磅和ub有必要的。默认为lb = -np.inf
和ub = np.inf
(无限)。- keep_feasible: 类似于 bool 的密集数组,可选
是否在整个迭代过程中保持约束组件可行。单个值为所有组件设置此属性。默认为假。对等式约束没有影响。
参数 ::
相关用法
- Python SciPy optimize.rosen_der用法及代码示例
- Python SciPy optimize.line_search用法及代码示例
- Python SciPy optimize.rosen用法及代码示例
- Python SciPy optimize.shgo用法及代码示例
- Python SciPy optimize.minimize_scalar用法及代码示例
- Python SciPy optimize.root用法及代码示例
- Python SciPy optimize.fmin用法及代码示例
- Python SciPy optimize.NonlinearConstraint用法及代码示例
- Python SciPy optimize.KrylovJacobian用法及代码示例
- Python SciPy optimize.toms748用法及代码示例
- Python SciPy optimize.linprog_verbose_callback用法及代码示例
- Python SciPy optimize.bracket用法及代码示例
- Python SciPy optimize.milp用法及代码示例
- Python SciPy optimize.diagbroyden用法及代码示例
- Python SciPy optimize.bisect用法及代码示例
- Python SciPy optimize.isotonic_regression用法及代码示例
- Python SciPy optimize.golden用法及代码示例
- Python SciPy optimize.brute用法及代码示例
- Python SciPy optimize.newton用法及代码示例
- Python SciPy optimize.fsolve用法及代码示例
- Python SciPy optimize.Bounds用法及代码示例
- Python SciPy optimize.fixed_point用法及代码示例
- Python SciPy optimize.rosen_hess用法及代码示例
- Python SciPy optimize.nnls用法及代码示例
- Python SciPy optimize.broyden1用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.optimize.LinearConstraint。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。