python - 全局优化: How to find same minimum more consistently?

Question

目前，我正在使用 scipy 库中的 basshopping 来查找优化目标函数的最佳 x(其中 x 总共由 4 个因子组成)。当我让它运行几次时，每次运行都会给出不同的结果。有没有办法使结果更加一致(即函数的最小化参数在多次迭代中相同)？

cons = [
    {
        'type': 'eq',
        'fun': lambda x: x[0] + x[1] + x[2] - 1
    },
    {
        'type': 'ineq',
        'fun': lambda x: (w_0 / prob_death(T)[T-1]) - x[3]
    },
    {
        'type': 'ineq',
        'fun': lambda x: x[3] - 10000
     }
]

bounds = ( (0, 1), (0, 1), (0, 1), (0, 1'000'000)) )

res = basinhopping(func = utility_expected,
          x0 = np.array([0.33, 0.33, 0.33, 50000]),
          minimizer_kwargs = {"method": 'SLSQP',
          "bounds": bounds,
          "constraints": cons,
          "options": {
              "eps": 0.01,
              "ftol": 0.001
              }
          }, 
          disp = False,
          interval = 40,
          niter = 250)

Answer 1

所以我对 scipy 的 basshopping 特别不熟悉，但如果我没看错的话，你已经给了它 0.01 的 epsilon 作为雅可比行列式的数值近似值。但是，您的变量的缩放比例非常不同。 (0-1 与 0-1000000)这可能会给你带来奇怪的行为。考虑将第四个变量缩放为 0-1。

此外，对于您要求优化器执行的操作来说，250 次迭代确实是一个很小的数字。尝试让它运行更长时间。