使用 sympy lambdify 和 scipy 的 Python 优化索引总和答案

【问题标题】：Python optimization indexed sum using sympy lambdify and scipy使用 sympy lambdify 和 scipy 的 Python 优化索引总和
【发布时间】：2017-11-08 19:14:22
【问题描述】：

我正在寻找this 线程的建议答案的混合解决方案。第一个代码 sn-p 使用了一种更符号化的方式，我使用了第二个代码 sn-p 的属性，其中变量的数量发生了变化。所以接近这个变量的数量 n 可以改变。

from sympy import *
from scipy.optimize import minimize
from sympy.utilities.lambdify import lambdify

x, i, n = symbols("x i n")
n = 10
func = Sum((Indexed('x',i)-3)/(1+0.2)**i,(i,1,n))
my_func = lambdify((x, i, n), func)


def my_func_v(x):
    return my_func(*tuple(x))

results = minimize(my_func_v, np.zeros(n))

有什么想法吗？

【问题讨论】：

标签： python lambda scipy sympy

【解决方案1】：

所以这似乎可以解决问题：

from sympy import Sum, symbols, Indexed, lambdify
from scipy.optimize import minimize
import numpy as np

def _eqn(y, variables, periods, sign=-1.0):
    x, i = symbols("x i")
    n = periods-1
    s = Sum(Indexed('x', i)/(1+0.06)**i, (i, 0, n))
    f = lambdify(x, s, modules=['sympy'])
    return float(sign*(y + f(variables)))

z = 3
results = minimize(lambda x: _eqn(3, x, z),np.zeros(z))
print(results.x)

还有什么建议吗？

【讨论】：