gpt4 book ai didi

python - scipy.optimize.minimize 约束优化的替代方案?

转载 作者:太空宇宙 更新时间:2023-11-03 15:51:40 34 4
gpt4 key购买 nike

我有兴趣找到模型的优化参数(通过使用已知值最小化模型的输出)。我感兴趣的参数有界限,并且它们还受到看起来像 1 - sum(x_par) >= 0 的不等式的约束,其中 x_par 是一个列表总参数列表中的一些参数。我用过scipy.optimize.minimize通过不同的方法(例如COBYLA和SLSQP)来最小化这个问题,但是该函数的拟合性能很差,误差通常在50%以上。

我注意到scipy.optimize.curve_fitscipy.optimize.differential_evolution在拟合给定值方面工作得很好,但这些函数不允许对参数进行约束。我正在寻找 python 中的替代方案来优化我的问题,它允许约束参数,并且可以比 scipy.optimize.minimize 更好地拟合给定的曲线/值。 .

最佳答案

您可能会发现lmfit有用。该模块是许多 scipy.optimized 例程(包括 leastsq Differential_evolution、大多数缩放器最小化器)的包装器,它用 Parameter 替换所有变量code> 对象可以是固定的或自由的,应用了边界,或者被约束为其他参数的数学表达式,所有这些都独立于用于解决最小化问题的方法。还有一个 Model 类支持许多曲线拟合问题,并支持改进参数置信区间的分析。

只要小心一点,就可以应用不等式约束,正如在 http://lmfit.github.io/lmfit-py/constraints.html#using-inequality-constraints .

关于python - scipy.optimize.minimize 约束优化的替代方案?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41233910/

34 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com