nlopt

    0熱度

    1回答

    我試圖在Mac OS高級Sierra上安裝軟件包nloptr以便使用許多漂亮軟件包,如lme4,並且我在Anaconda中使用RStudio,並使用R 3.4.2。我還安裝NLopt(從NLopt網站上下載,而不是開發的版本。我還安裝了Xcode中的命令行工具,但我仍然無法安裝nloptr,並獲得該 Error: package or namespace load failed for ‘nlop

    1熱度

    1回答

    我試圖從Homebrew科學庫安裝NLopt庫(http://ab-initio.mit.edu/wiki/index.php/NLopt)。它安裝得很好,除了我不能從Python導入NLopt。爲什麼python無法從Homebrew Science中看到NLopt安裝?

    0熱度

    1回答

    我發現了JuMP和NLopt例子的組合,當我試圖看到Julia實現不同的優化例程時。 以下示例(可在此處找到:https://github.com/JuliaOpt/NLopt.jl)爲您提供了最終解決方案,而無需其他步驟。 雖然這可能是簡單的問題,OK,對於一些我們需要看到每個迭代如何去 我的問題是(例如它在每次迭代收斂?):如何將下面的代碼可以被如此修改以顯示每次迭代的次數和錯誤(我們希望它變

    1熱度

    1回答

    我正在使用NLOpt的Python接口運行優化。在某個點上,經過多次迭代後,我得到一個nlopt.RoundoffLimited異常。根據文檔(http://ab-initio.mit.edu/wiki/index.php/NLopt_Reference#Error_codes_.28negative_return_values.29),在發生這種異常之後,「優化仍然通常會返回有用的結果。」我如何

    0熱度

    1回答

    我正在使用'nloptr'優化r中的一個簡單函數,而且我很難將參數傳遞給目標函數。下面是我使用的代碼: require("nloptr") Correl <- matrix(c(1,-.3,-.3,1), nrow=2, ncol=2) Wghts <- c(.01,.99) floor <- .035 expret <- c(.05,.02) pf.return <- functio

    3熱度

    1回答

    我正在使用nlopt的C++接口來解決非線性優化問題。 nlopt::opt opt; opt.set_maxeval(10); opt.set_max_objective(foo); double result; std::vector<double> params(10,0); opt.optimize(params, result); // later on in the c

    0熱度

    1回答

    我在Fortran項目中一直使用NLopt library,並且在Linux系統下運行它時沒有問題。現在我開始使用Windows上的Visual Studio編寫我的Fortran程序。但是,我在Windows上使用NLopt庫時遇到了一些困難。我在我的電腦上使用Visual Studio 2013和Intel Parallel Studio XE 17。 這裏是我做了什麼,而我所遇到的問題: 我

    4熱度

    1回答

    我很難過。我在R中爲NLOPT制定了一個問題。當前問題解決了180個變量,其中包含28個等式約束條件 該代碼在問題的較簡單版本中重複使用,在我的腳本的早期版本中,有36個變量和20個相等作爲算法使用NLOPT_LD_SLSQP立即求解的約束。 180個變量問題的放大版本生成以下,立刻使用NLOPT_LD_SLSQP時: NLopt solver status: -4 (NLOPT_ROUNDOFF

    1熱度

    1回答

    我正在從windows cmd提示符下編寫一個C++程序,並使用mingw(g++)進行編譯。這個程序需要一個非線性優化器,並且NLOpt看起來是個不錯的選擇。我學習了一個單一的C++,所以我使用的環境已經建立,我沒有設置庫等的經驗。 到目前爲止我的步驟已經; 下載64位Windows預編譯的DLL(這是我運行的是什麼)從here。 運行命令dlltool --input-def libnlopt

    -1熱度

    1回答

    我們正在運行一個大型Python代碼來隨機掃描一些物理模型的參數空間(因此,給出一個簡單的例子非常困難,對不起)。 評估一個參數點大約需要300ms,但有時(我不知道爲什麼)評估突然需要幾個小時,這會殺死計算集羣上的CPU預算。 所以,我的想法是使用線程來給每個參數點的評估運行的最大時間。如果評估需要更長時間,那麼我可以忽略這一點,因爲它是不實際的。現在,這似乎不起作用。我在一個新的線程中開始計算