如何做复杂的非线性求根Python问题，怎么解决

使用scipy下的fsolve函数即可求解，代码如下：

网站建设哪家好，找成都创新互联公司！专注于网页设计、网站建设、微信开发、小程序定制开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了津市免费建站欢迎大家使用！

[python] view plain copy

from scipy.optimize import fsolve

from math import cos

def f(x):

d = 140

l = 156

a = float(x[0])

r = float(x[1])

return [

cos(a) - 1 + (d*d)/(2*r*r),

l - r * a

]

result = fsolve(f, [1, 1])

print result

python解非线性方程组（3个），为什么只有一组解？？应该有2组解啊，求解！！！

这是我按照你的方法得到的结果

import math

def f(list):

...     x,y,z=list//注意这里是list的解包 不过如果你不传入list而是别的 比如字符串 就需要用到 tolist了

...     return[math.sqrt((x-15.34)**2+(y-51.59)**2+(z-57.55)**2)-4.59,

math.sqrt((x-18.92)**2+(y-49.03)**2+(z-53.91)**2)-6.33,

math.sqrt((x-16.46)**2+(y-55.25)**2+(z-58.49)**2)-5.32]

...

f([9,8,7])

[62.459132731154696, 56.776381610737275, 64.96110841470843]

f([1,1,1])

[72.62972675424331, 67.34140150696197, 75.22299597109608]

是三个结果没错啊

我猜你的 fsolve的方法内容是这样的吧

def  fsolve(method,list):

return method(list)

或者你在fsolve里面对 f(list)返回的结果又做了一些操作,发一下你的 fsolve方法吧 要不然找不到问题所在  目前来看 你的f方法是正确的

python非线性规划用什么模块

python非线性规划用什么模块本文使用SciPy的optimize模块来求解非线性规划问题，结合实际例子，引入非线性规划问题的求解算法及相应函数的调用。

本文提纲一维搜索／单变量优化问题

无约束多元优化问题

非线性最小二乘问题

约束优化问题

非线性规划问题的目标函数或约束条件是非线性的。本文使用SciPy的optimize模块来求解非线性规划问题。

目标函数和约束条件是否连续光滑是非常重要的性质，这是因为如果光滑，则所有决策变量可微，多变量函数的偏导数组成的向量为梯度，梯度是指向目标函数增长最快的方向。将目标函数梯度作为搜索方向，对非线性规划问题的求解具有重要的意义。这些函数或其导数\梯度的不连续性给许多现有的非线性优化问题的求解带来了困难。在下文中，我们假设这些函数是连续且光滑的。

# Importing Modules

from scipy import optimize

import matplotlib.pyplot as plt

import numpy as np

import sympy

1、一维搜索／单变量优化问题(Univariate Optimization)

无约束非线性规划最简单的形式是一维搜索。一维搜索通常作为多维优化问题中的一部分出现，比如梯度下降法中每次最优迭代步长的估计。求解一维搜索常用的两类方法是函数逼近法和区间收缩法。其中函数逼近法是指用较简单的函数近似代替原来的函数，用近似函数的极小点来估计原函数的极小点，比如牛顿法；区间收缩法对于一个单谷函数通过迭代以不断缩小该区间的长度，当区间长度足够小时，可将该区间中的一点作为函数的极小点，比如黄金分割法。

e.g. 最小化一个单位体积的圆柱体的表面积。

r, h = sympy.symbols("r, h")

Area = 2 * sympy.pi * r**2 + 2 * sympy.pi * r * h

Volume = sympy.pi * r**2 * h

新闻标题：python解非线性函数 python 非线性
文章源于：http://hbruida.cn/article/dogseso.html