Otimização sem restrições

Introdução à Otimização em Python

Jasmin Ludolf

Content Developer

O que é otimização sem restrições?

Encontrar máximos ou mínimos de uma função sem restrições nas variáveis de entrada

SciPy

Gráfico com tendência positiva e uma seta apontando para cima

Otimização univariada sem restrições

from scipy.optimize import minimize_scalar


def objective_function(x): 
  return x**2 - 12*x + 4


result = minimize_scalar(objective_function) 
print(result)

     fun: -32.0
 message: 'Optimization terminated successfully; The
 returned value satisfies the termination criteria 
 (using xtol = 1.48e-08 )'
    nfev: 10
     nit: 4
 success: True
       x: 6.000000000000001

Gráfico de 2 * x**2 - 3 * x + 1

Resultado da otimização univariada sem restrições

     fun: -32.0
 message: 'Optimization terminated successfully; The
 returned value satisfies the termination criteria 
 (using xtol = 1.48e-08 )'
    nfev: 10
     nit: 4
 success: True
       x: 6.000000000000001

result.x

6.000000000000001

fun: valor da função no mínimo
message: status
nfev: número de avaliações da função pelo algoritmo
nit: número de iterações até a solução
success: booleano indicando se um ótimo foi encontrado
x: o valor ótimo

Encontrando máximos

Problema de maximização representado em gráfico.

def objective_function(x): 
  return 40 * q - 0.5 * q**2

-1*(40 * q - 0.5 * q**2)
-40 * q + 0.5 * q**2

def negated_function(x): 
  return -40 * q + 0.5 * q**2
result = minimize_scalar(negated_function) 
print(f"The maximum is {result.x:.2f} in two 
      decimals")

The maximum is 40.00 in two decimals

Otimização multivariada sem restrições

from scipy.optimize import minimize


def objective_function(a): 
  return (a[0] - 2)**2 + (a[1] - 3)**2 + 1.5


x0 = [1, 2]

result = minimize(objective_function, x0)

a[0] representa x e a[1] representa y

Resultado da otimização multivariada sem restrições

print(result)
print(f"minimum is (x, y) = ({result.x[0]:.2f}, {result.x[1]:.2f}) in two decimals.")

      fun: 1.5000000000000002

 hess_inv: array([[ 0.75, -0.25],
       [-0.25,  0.75]])

      jac: array([0., 0.])

  message: 'Optimization terminated successfully.'
     nfev: 9
      nit: 2
     njev: 3

   status: 0

  success: True
        x: array([1.99999999, 2.99999999])
minimum is (x, y) = (2.00, 3.00) in two decimals.

Vamos praticar!

Introdução à Otimização em Python