针对2个变量函数的Python暴力

我有以下功能：

((sin(((x-8)**2+y**2)**0.5))/((((x-8)**2+y**2)**0.5)))+0.8*((sin(((x+8)**2+y**2)**0.5))/(((x+8)**2+y**2)**0.5))

我想在Python中使用蛮力方法找到这个函数的全局最大值和最小值。我已经看过scipy.optimize.brute，但我不确定如何对2个变量的函数执行相同的操作

   y = np.linspace(-20,20,1000)
x = np.linspace(-20,20,1000)
def f(x,y):
    return (((sin(((x-8)**2+y**2)**0.5))/((((x-8)**2+y**2)**0.5)))+0.8*((sin(((x+8)**2+y**2)**0.5))/(((x+8)**2+y**2)**0.5)))
rranges = (slice(-4, 4, 0.25), slice(-4, 4, 0.25))
val  = scipy.optimize.brute(f, rranges, finish=optimize.fmin)

这是到目前为止我的代码。它给出了一个错误：

Traceback (most recent call last):
  File "C:/Users/Aravind_Sampathkumar/Desktop/PY/Bruteforce.py", line 11, in <module>
    val  = scipy.optimize.brute(f, rranges, finish=optimize.fmin)
  File "C:\Python27\lib\site-packages\scipy\optimize\optimize.py", line 2825, in brute
    Jout = vecfunc(*grid)
  File "C:\Python27\lib\site-packages\numpy\lib\function_base.py", line 2755, in __call__
    return self._vectorize_call(func=func, args=vargs)
  File "C:\Python27\lib\site-packages\numpy\lib\function_base.py", line 2834, in _vectorize_call
    res = array(outputs, copy=False, subok=True, dtype=otypes[0])
ValueError: setting an array element with a sequence.

回溯（最近一次呼叫最后一次）：
文件“C:/Users/Aravind_Sampathkumar/Desktop/PY/Bruteforce.PY”，第11行，在
val=scipy.optimize.brute（f，rranges，finish=optimize.fmin）
文件“C:\Python27\lib\site packages\scipy\optimize\optimize.py”，第2825行，以brute格式
Jout=vecfunc（*网格）
文件“C:\Python27\lib\site packages\numpy\lib\function\u base.py”，第2755行，在调用中__
返回self.\u矢量化\u调用（func=func，args=vargs）
文件“C:\Python27\lib\site packages\numpy\lib\function\u base.py”，第2834行，在_vectorize\u调用中
res=array（输出，copy=False，subok=True，dtype=otypes[0]）
ValueError:使用序列设置数组元素。

---

感谢scipy文档中的任何帮助

：

scipy.optimize.brute（func，ranges，args=（），Ns=20，full_输出=0，finish=，disp=False）

func：可调用

要最小化的目标函数。必须采用f（x， *args），其中x是1-D数组形式的参数，args是完成此操作所需的任何附加固定参数的元组 指定函数

范围：元组

范围元组的每个组件必须是“切片对象”或 形式的范围元组（低、高）。程序使用这些 创建目标函数将在其上显示的点网格 计算。有关更多详细信息，请参见注释2

在本例中，您应该指定函数中的变量是什么，作为1D数组。在您的案例中应该是这样的：

from math import sin
from scipy import optimize

# There's no parameter here, just like in your code
def f(z):
    x,y=z
    return (-((sin(((x-8)**2+y**2)**0.5))/((((x-8)**2+y**2)**0.5)))+0.8*((sin(((x+8)**2+y**2)**0.5))/(((x+8)**2+y**2)**0.5)))

# 
rranges = (slice(-20, 20, 0.2), slice(-20, 20, 0.2))

resbrute = optimize.brute(f, rranges, full_output=True, finish=optimize.fmin)

请注意，我已将您的

安排

从

np.linspace

更改为

slice

。而

np.linspace

参数是

（开始、停止、nb_示例）

，

slice

参数是

（开始、停止、步骤）

。请注意，它们做的不是同一件事。如果步骤的数量对您不重要，可以简化：

# Simply indicate lower_bound and upper_bound for each variable
resbrute = optimize.brute(f,((-20,20),(-20,20)))

---

要获得全局最小值，请查看

val[0]

。它应该是一个元组，包含优化值

x

和

y

不确定scipy做什么，但暴力强制在概念上非常简单：计算网格上的所有值并选择最高值（最低值）。可以选择从这些点开始使用非暴力例程进行优化。您拥有的不是一个函数，它忽略了

f（…）=

部分。代码中的函数

f

有一个参数

z

，但它没有被使用。我最初将x，y=z保存在我在scipy文档中看到的函数中。只是不确定如果我将f声明为f（x，y），如何在.optimize.brute调用中调用f这可能是一个输入错误，但您定义的等式实际上与代码中的等式相反。非常感谢。这很有效。所以z表示x和y为一维数组，对吗？这也给出了全局最小值。如何找到全局最大值？val[1]给出了全局最小值右侧的函数值？是的，

z

是一个一维数组，表示

（x，y）

。我记不起最大化函数了，但我想用

-f

而不是

f

应该可以做到这一点，-f就像在.brute函数调用中将f改为-f一样？好吧，那不行。如果我返回你猜对的函数的负数

val[1]

是函数的最小值。您需要在函数的等式中添加

-

。在

brute

调用中，

f

只是函数的名称，而不是它的方程式。你的想法可能行得通，但我不确定。试试看！