- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我遇到以下优化问题:
目标函数是一个多变量且不可微的函数,它将标量列表作为参数并返回标量。它是不可微的,因为函数内的计算基于 pandas 和一系列滚动、std 等操作。
伪代码如下:
def target_function(x: list) -> float:
# calculations
return output
此外,x 参数的每个组件都有自己的边界,定义为元组 (min, max)。那么我应该如何使用 scipy.optimize 库来找到这个函数的全局最小值呢?还有其他图书馆可以提供帮助吗?
我已经尝试过 scipy.optimize.brute,它花了我很长时间,也尝试过 scipy.optimize.minimize,它从未产生过看似正确的答案。
最佳答案
basinhopping
、brute
和 Differential_evolution
是可用于全局优化的方法。正如您已经发现的,强力全局优化不会特别有效。
差分进化是一种随机方法,应该比暴力法做得更好,但可能仍然需要大量的目标函数评估。如果您想使用它,您应该使用这些参数,看看什么最适合您的问题。如果您知道您的目标函数不“平滑”,那么这种方法往往比其他方法效果更好:函数或其导数可能存在不连续性。
另一方面,盆地跳跃会进行随机跳跃,但也会在每次跳跃后使用局部松弛。如果您的目标函数有许多局部极小值,但由于使用了局部松弛,该函数应该是平滑的,这非常有用。如果您无法轻松获得函数的梯度,您仍然可以尝试使用不需要此信息的局部最小化器之一进行盆地跳跃。
scipy.optimize.basinhopping
的优势惯例是它非常可定制。您可以使用 take_step
定义自定义随机跳转,使用 accept_test
覆盖用于决定是继续还是放弃随机跳转和松弛结果的测试,以及 minimizer_kwargs
调整局部最小化行为。例如,您可以重写 take_step
以保持在您的范围内,然后选择 L-BFGS-B 最小化器,它可以以数字方式估计函数的梯度并获取参数的范围。如果你给它一个梯度,L-BFGS-B 确实会工作得更好,但我在没有梯度的情况下使用它,它仍然能够很好地最小化。请务必阅读本地和全局优化例程中的所有参数,并调整容差等内容以提高性能。
关于python - 我应该如何 scipy.optimize 具有边界的多元且不可微的函数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52306399/
我正在尝试运行以下代码片段,以使曲线适合一些经验数据,但在Julia Optim.jl包中,optimize()方法一直存在问题。我正在使用Julia v1.1.0,并安装了所有正确的软件包。我不断收
时不时你会听到一些故事,这些故事旨在说明某人在某件事上有多擅长,有时你会听到这个人如何热衷于代码优化,以至于他优化了他的延迟循环。 因为这听起来确实是一件奇怪的事情,因为启动“计时器中断”而不是优化的
我正在尝试使用 z3py 作为优化求解器来最大化从一张纸上切出的长方体的体积。 python API 提供了 Optimize() 对象,但使用它似乎不可靠,给我的解决方案显然不准确。 我尝试使用 h
我今天接受了采访。这个问题是为了优化下面的代码。如果我们将在 for 循环之后看到下面的代码,那么下面有四个“if-else”步骤。所以,面试官要求我将其优化为 3 if-else 行。我已经尝试了很
我使用BFGS算法使用Optim.jl库来最小化Julia中的函数。今天,我问了一个关于同一个库的question,但是为了避免混淆,我决定将它分成两部分。 我还想对优化后的负逆黑森州进行估算,以进行
在 haskell 平台中实现许多功能时有一个非常常见的模式让我很困扰,但我找不到解释。这是关于使用嵌套函数进行优化。 where 子句中的嵌套函数旨在进行尾递归的原因对我来说非常清楚(如 lengt
我目前正试图利用 Julia 中的 Optim 包来最小化成本函数。成本函数是 L2 正则化逻辑回归的成本函数。其构造如下; using Optim function regularised_cost
我正在使用 GEKKO 来解决非线性规划问题。我的目标是将 GEKKO 性能与替代方案进行比较,因此我想确保我从 GEKKO 中获得其所能提供的最佳性能。 有n个二元变量,每个变量都分配有一个权
我可以手动更改参数C和epsilon以获得优化结果,但我发现有PSO(或任何其他优化算法)对SVM进行参数优化。没有算法。什么意思:PSO如何自动优化SVM参数?我读了几篇关于这个主题的论文,但我仍然
我正在使用 scipy.optimize.fmin_l_bfgs_b 来解决高斯混合问题。混合分布的均值通过回归建模,其权重必须使用 EM 算法进行优化。 sigma_sp_new, func_val
当你有一个 Option ,编译器知道 NULL永远不是 &T 的可能值, 和 encodes the None variant as NULL instead .这样可以节省空间: use std:
当你有一个 Option ,编译器知道 NULL永远不是 &T 的可能值, 和 encodes the None variant as NULL instead .这样可以节省空间: use std:
以下是说明我的问题的独立示例。 using Optim χI = 3 ψI = 0.5 ϕI(z) = z^-ψI λ = 1.0532733 V0 = 0.8522423425 zE = 0.598
根据MySQL文档关于Optimizing Queries With Explain : * ALL: A full table scan is done for each combination o
我无法预览我的 Google 优化工具体验。 Google 优化抛出以下错误: 最佳答案 我也经常遇到这种情况。 Google 给出的建议是错误的。清除 cookie 并重新启动浏览器并不能解决问题。
我一直在尝试使用 optim()或 optimize()函数来最小化绝对预测误差的总和。 我有 2 个向量,每个长度为 28,1 个包含预测数据,另一个包含过去 28 天的实际数据。 fcst和 ac
在我对各种编译器书籍和网站的独立研究中,我了解到编译器可以优化正在编译的代码的许多不同方法,但我很难弄清楚每种优化会带来多少好处给予。 大多数编译器编写者如何决定首先实现哪些优化?或者哪些优化值得付出
我在我的项目中使用 System.Web.Optimizations BundleConfig。我在我的网站上使用的特定 jQuery 插件遇到了问题。如果我将文件添加到我的 ScriptBundle
我收到这个错误 Error: webpack.optimize.CommonsChunkPlugin has been removed, please use config.optimization.
scipy的optimize.fmin和optimize.leastsq有什么区别?它们似乎在 this example page 中以几乎相同的方式使用.我能看到的唯一区别是 leastsq 实际上
我是一名优秀的程序员,十分优秀!