1. 介绍
export PYCUTEST_CACHE="/path/to/pycutest_cache" export MYARCH=mac64.osx.gfo 2. 问题分类
我们可以用problem_properties()函数来查看问题类型，以及使用find_problems() 函数来寻找问题。
- 第一个字母：目标函数类型，包括：
N：无目标函数
C：常数目标函数
L：线性目标函数
Q：二次目标函数
S：平方和目标函数（least square problem）
O：其他 - 第二个字母：约束条件类型，包括
U：无约束
X：仅有常量约束
B：仅有bounds约束
N：线性网络的邻接矩阵约束
L：线性约束
Q：二次约束
O：其他 - 第三个字母：问题连续性
R：连续问题，且一阶导数和二阶导数存在（即Jacobbi和Hessian阵可计算）
I：其他 - 第四个数字：最多可微数目，为0, 1或2.
- 第五个字母
A：学术问题，构造出来用于测试算法
M：没有实际意义的测试问题
R：有实际应用的测试问题 - 第六个字母表示是否包含隐变量，Y表示有，N表示没有
- 第七个n表示变量的个数
- 第八个m表示约束的个数（不包括bounds和固定变量）
3. 常用命令
下面是一个测试例子：
# Ensure compatibility with Python 2 from __future__ import print_function import numpy as np import pycutest p = pycutest.import_problem('ROSENBR') print("Rosenbrock function in %gD" % p.n) iters = 0 x = p.x0 f, g = p.obj(x, gradient=True) # objective and gradient H = p.hess(x) # Hessian while iters < 100 and np.linalg.norm(g) > 1e-10: print("Iteration %g: objective value is %g with norm of gradient %g at x = %s" % (iters, f, np.linalg.norm(g), str(x))) s = np.linalg.solve(H, -g) # Newton step x = x + s # used fixed step length f, g = p.obj(x, gradient=True) H = p.hess(x) iters += 1 print("Found minimum x = %s after %g iterations" % (str(x), iters)) print("Done") 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/222724.html原文链接：https://javaforall.net
![求复数的对数[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
