[파이썬][Scipy] Optimization (최적화) 객체 예제

25 Aug 2023

scipy

scipy.optimize 모듈은 최적화 문제를 풀기 위한 객체와 알고리즘을 제공합니다. 아래 예제에서는 scipy.optimize 모듈을 사용하여 최적화 문제를 해결하는 방법을 보여줍니다.

먼저, 필요한 모듈을 가져옵니다:

mport numpy as np
from scipy.optimize import minimize

예제 1: 단일 변수 함수의 최소값 찾기

단일 변수 함수의 최소값을 찾는 예제입니다.

# 최소화할 함수 정의
def f(x):
    return x**2 + 4*x + 4

# 초기 추측값 설정
x0 = 0

# 최적화 문제 정의 (최소화)
result = minimize(f, x0)

# 최적 결과 출력
print("최적해:", result.x)
print("최소값:", result.fun)

예제 2: 다변수 함수의 최적화

다변수 함수의 최적화 문제를 해결하는 예제입니다.

# 최소화할 다변수 함수 정의
def multivariate_f(x):
    return (x[0] - 2)**2 + (x[1] - 3)**2 + (x[2] - 1)**2

# 초기 추측값 설정
x0 = np.array([0, 0, 0])

# 최적화 문제 정의 (최소화)
result = minimize(multivariate_f, x0)

# 최적 결과 출력
print("최적해:", result.x)
print("최소값:", result.fun)

예제 3: 제약 조건을 가지는 최적화

제약 조건을 가지는 최적화 문제를 해결하는 예제입니다.

from scipy.optimize import LinearConstraint

# 최소화할 함수 정의
def f(x):
    return x[0]**2 + x[1]**2

# 초기 추측값 설정
x0 = np.array([1, 1])

# 선형 제약 조건 정의: x0 + 2*x1 >= 1
linear_constraint = LinearConstraint([[1, 2]], [1], [np.inf])

# 최적화 문제 정의 (최소화, 선형 제약 조건 추가)
result = minimize(f, x0, constraints=linear_constraint)

# 최적 결과 출력
print("최적해:", result.x)
print("최소값:", result.fun)

이러한 예제에서는 단일 변수 및 다변수 함수의 최적화, 그리고 제약 조건을 가지는 최적화 문제를 다루는 방법을 보여줍니다. scipy.optimize 모듈을 사용하면 다양한 최적화 문제를 해결할 수 있습니다.