代码之家 › 专栏 › 技术社区 › ChemPaul

Python lmfit约束:a<b<c

lmfit least-squares constraints python

3

ChemPaul · 技术社区 · 7 年前

我正在使用 lmfit 在Python中拟合一些数据,包括拟合变量a、b和c;<c、我发现 http://cars9.uchicago.edu/software/python/lmfit_MinimizerResult/constraints.html 它讨论了需要定义为不等式的约束,以及设置虚拟变量。例如,如果我想要a+b<=10、我可以做到:

pars.add('a',     value = 5, vary=True)
pars.add('delta', value = 5, max=10, vary=True)
pars.add('b',     expr='delta-a')

这将确保a+b<=10

我想我需要c-b>0和b-a>0(或者a-b<0和b-c<0),但我不确定如何编写此代码。

1 回复 | 直到 7 年前

1

3

M Newville 7 年前

根据链接到的文档的提示,不等式约束为 x > y 应翻译为 x = y + something 哪里 something 下限为0。

所以,两次应用这种方法,我认为这应该满足您的要求:

from lmfit import Parameters
params = Parameters()
params.add('a', value=5, vary=True)
params.add('b_minus_a', value=1,  vary=True, min=0)
params.add('c_minus_b', value=1,  vary=True, min=0)
params.add('b', expr='a + b_minus_a')
params.add('c', expr='b + c_minus_b')

仍然使用三个变量( a ,则, b_minus_a 和 c_minus_b )并施加了不平等约束,但有一点需要注意,差异实际上可能为0。对于浮点数,这通常就足够了,但根据变量的大小,可以将0更改为 1.e-12 。