问题描述
我收到一个关于这个简单代码的错误,问题是错误只出现在我需要的一个方程 (78 * x**0.3 * y**0.8 - 376
) 中。
错误:invalid value encountered in double_scalars ; F[0] = 78 * x**0.3 * y**0.8 - 376
如果我从第一个方程中删除 * y**0.8
,代码运行良好,但显然它对我不起作用。
代码:
import numpy as np
from scipy.optimize import fsolve
def Funcion(z):
x = z[0]
y = z[1]
F = np.empty((2))
F[0] = 78 * x**0.3 * y**0.8 - 376
F[1] = 77 * x**0.5 * y - 770
return F
zGuess = np.array([1,1])
z = fsolve(Funcion,zGuess)
print(z)
解决方法
如果
F[0]
为负数,y
将是复杂的。 fsolve
不支持复杂的根查找。
你需要求解非线性方程组F(x,y) = 0 服从x,y >= 0,这相当于最小化欧几里德范数||F(x,y)||英石。 x,y >= 0。要解决这个约束优化问题,您可以使用 scipy.optimize.minimize
如下:
import numpy as np
from scipy.optimize import minimize
def Funcion(z):
x = z[0]
y = z[1]
F = np.empty((2))
F[0] = 78 * x**0.3 * y**0.8 - 376
F[1] = 77 * x**0.5 * y - 770
return F
# initial point
zGuess = np.array([1.0,1.0])
# bounds x,y >= 0
bounds = [(0,None),(0,None)]
# Solve the constrained optimization problem
z = minimize(lambda z: np.linalg.norm(Funcion(z)),x0=zGuess,bounds=bounds)
# Print the solution
print(z.x)