对多个参数使用scipy优化库

Question

我想最大化一个有50个变量的函数的返回值

def function_to_maximize:
    return (7.9*a1 + 8.1*a2 + 0.4*a3 + ........ + 2.6*a50)

我的变量是0<；=aN<；=10，变量之和是100。你知道吗

不幸的是，我不太熟悉这种任务。通过google我发现我可以使用这个documantation来完成工作，但是我不知道如何使用这个库。你知道吗

请您提供一个简单的注释，告诉我的步骤，我必须应用的示例代码？你知道吗

Answer 1

使用symfit，一个我为scipy制作的包装器，这变得更容易实现。所以请原谅我推荐你试一试。您可以在这里找到文档：http://symfit.readthedocs.io/en/latest/fitting_types.html#minimize-maximize

在你的情况下，我会做以下工作：

from symfit import parameters, Maximize, Equality

# Make your 50 parameters to optimize and their coefficients.
aN = parameters(', '.join('a{}'.format(i) for i in range(1, 51)))
coeff = [7.9, 8.1, ..., 2.6]

model = sum(coeff_i * a_i for a_i, coeff_i in zip(aN, coeff))
fit = Maximize(model, constraints=[Equality(sum(aN), 100)])
fit_result = fit.execute()

完成！你知道吗

另外，我担心这是一个欠定方程组，对吧？但你要担心的是：）。你知道吗