我正在尝试在 sci-py 中使用跳盆算法最小化函数。这是我的代码:
from math import *
import time
import gmpy2
from gmpy2 import mpz
from gmpy2 import mpq,mpfr,mpc
import numpy as np
from scipy.optimize import basinhopping
minimizer_kwargs = {"method": "BFGS"}
s=mpz('2')
x0=[153000]
b = mpfr('6097781399')
estimator1=gmpy2.div(x0, s)-gmpy2.sqrt(((pow(x0,s)/4)-b))
estimator2=gmpy2.div(x0, s)+gmpy2.sqrt(((pow(x0,s)/4)-b))
c=mpfr(estimator1)
d=mpfr(estimator2)
e=mpz(b)
func = lambda x: abs((c*d)-e)
ret = basinhopping(func, x0, minimizer_kwargs=minimizer_kwargs,
niter=400)
print("global minimum: x = %.4f, f(x0) = %.4f" % (ret.x, ret.fun))
完整的错误读取
回溯(最近一次调用(:文件 "anneal.py",第 14 行,在 estimator1=gmpy2.div(x0, s(-gmpy2.sqrt(((pow(x0,s(/4(-b(( 类型错误:不支持div(( 参数类型
我基本上要实现的是最小化abs((c*d)-e)
,但是我得到一个错误:TypeError: div() argument types not supported
。我已经用谷歌搜索了这个错误,也许造成这种情况的原因是变量和列表之间的类型不匹配。所以我的问题是我应该如何重新制定estimator1
和estimator2
,以便能够将其传递到跳盆最小化器中。
编辑:
更正后的代码现在读取(也删除了不必要的导入(:
from math import *
from scipy.optimize import basinhopping
minimizer_kwargs = {"method": "BFGS"}
def f(x):
b = 6097781399
estimator1=(x/2)-sqrt(abs((pow(x,2)/4)-b))
estimator2=(x/2)+sqrt(abs((pow(x,2)/4)-b))
return abs((estimator1*estimator2)-b)
x = 110000
ret = basinhopping(f, x, minimizer_kwargs=minimizer_kwargs,
niter=2000)
print("global minimum: x = %.4f, f(x0) = %.4f" % (ret.x, ret.fun))
我认为问题是你正在将python list
传递到gmpy2.div
中。C
代码检查int
、rational
、real
和complex
,如果这些都不适合,则会抛出您提到的错误。尝试将x0
作为整数传递。
此外,我认为scipy
不会对你传入的mpz(2)
感到高兴,scipy
通常适用于python lists
,scipy.sparse
矩阵或密集numpy.ndarray
s。
在python中处理大量数字方面,int
是无限的(https://docs.python.org/3.6/library/stdtypes.html#typesnumeric(。当您需要数字稳定的操作时,NumPy 也是一个好地方,numpy 有自己的类型系统,具有 64 位 float
s 和 int
s 以及 128 位复数。
https://docs.scipy.org/doc/numpy/user/basics.types.html