在我遇到问题之前,我在stackoverflow上搜索了相同的线程并遇到了同样的问题:
根据我的理解阅读有关此错误,
提出TypeError(msg) TypeError:fsolve:'func'参数'fsolve_function'的输入和输出形状不匹配
问题是输入和输出的形状不一样。
在我下面的代码示例中,我有以下内容:
initialGuess
(在scipy.optimize中用于fsolve
函数的起始估计值)。输入initialGuess
有3个坐标x,y和z的起始估计值。因此,我希望我的初始输入估计总是有三个输入。out
(非线性联立方程)。在这个例子中,我有4个非线性方程。scipy.optimize.fsolve
引发上面突出显示的错误,因为输入和输出的形状不同。在我的特定情况下,我希望我的输入总是有三个值(猜测x,y和z的初始起点)。在这种情况下,输出具有4个非线性方程,使用初始输入估计求解。fsolve
将相应地进行计算。我只是想知道你怎么能扩展fsolve
使用let说的等于或超过4个非线性联立方程只有3个输入初始估计?from scipy.optimize import fsolve
def fsolve_function(arguments):
x = arguments[0]
y = arguments[1]
z = arguments[2]
out = [(35.85 - x)**2 + (93.23 - y)**2 + (-39.50 - z)**2 - 15**2]
out.append((42.1 - x)**2 + (81.68 - y)**2 + (-14.64 - z)**2 - 27**2)
out.append((-70.90 - x)**2 + (-55.94 - y)**2 + (-68.62 - z)**2 - 170**2)
out.append((-118.69 - x)**2 + (-159.80 - y)**2 + (-39.29 - z)**2 - 277**2)
return out
initialGuess = [35, 93, -39]
result = fsolve(fsolve_function, initialGuess)
print result
fsolve
是MINPACK的hybrd
的包装器,它要求函数的参数和输出具有相同数量的元素。您可以尝试其他没有此限制的更一般的scipy.optimize.root
算法(例如lm
):
from scipy.optimize import fsolve, root
def fsolve_function(arguments):
x = arguments[0]
y = arguments[1]
z = arguments[2]
out = [(35.85 - x)**2 + (93.23 - y)**2 + (-39.50 - z)**2 - 15**2]
out.append((42.1 - x)**2 + (81.68 - y)**2 + (-14.64 - z)**2 - 27**2)
out.append((-70.90 - x)**2 + (-55.94 - y)**2 + (-68.62 - z)**2 - 170**2)
out.append((-118.69 - x)**2 + (-159.80 - y)**2 + (-39.29 - z)**2 - 277**2)
return out
initialGuess = [35, 93, -39]
result = root(fsolve_function, initialGuess, method='lm')
print(result.x)
顺便说一句,它找不到实际的零点---应该有一个吗?
你可以强迫fsolve
使用你的函数,如果你提供一个初始猜测与“假”第四个变量:
initialGuess = [35, 93, -39, 0]
但我不确定这种情况下的结果有多可靠。