scipy.optimize get попал в локальные минимумы.Что я могу сделать? - PullRequest
Новая
       11

scipy.optimize get попал в локальные минимумы.Что я могу сделать?

0 голосов
/ 21 сентября 2018 
 from numpy import *; from scipy.optimize import *; from math import *
def f(X):
    x=X[0];    y=X[1]
    return x**4-3.5*x**3-2*x**2+12*x+y**2-2*y

bnds = ((1,5), (0, 2))
min_test = minimize(f,[1,0.1], bounds = bnds); 
print(min_test.x)

Моя функция f(X) имеет локальные минимумы на x=2.557, y=1, которые я должен быть в состоянии найти.

Приведенный выше код даст только результат, где x=1.Я пробовал с разной толерантностью и все три метода: L-BFGS-B, TNC и SLSQP.Это поток, который я смотрел до сих пор: Scipy.optimize: как ограничить значения аргументов

Как я могу это исправить?

Я использую Spyder (Python 3.6).

enter image description here

1 Ответ

0 голосов
/ 21 сентября 2018

Вы только что столкнулись с проблемой локальной оптимизации: она сильно зависит от начальных (начальных) значений, которые вы передаете. Если вы введете [2, 1], он найдет правильные минимумы.

Распространенные решения:

  • Используйте вашу оптимизацию в цикле со случайными начальными точками внутри ваших границ 

    import numpy as np
from numpy import *; from scipy.optimize import *; from math import *

def f(X):
    x=X[0];    y=X[1]
    return x**4-3.5*x**3-2*x**2+12*x+y**2-2*y

bnds = ((1,3), (0, 2))

for i in range(100):

    x_init = np.random.uniform(low=bnds[0][0], high=bnds[0][1])
    y_init = np.random.uniform(low=bnds[1][0], high=bnds[1][1])

    min_test = minimize(f,[x_init, y_init], bounds = bnds)

    print(min_test.x, min_test.fun)

  • использовать алгоритм, который может освободиться от локальных минимумов, я могу порекомендовать scipy's basinhopping()

  • использовать алгоритм глобальной оптимизации и использовать его результат в качестве начального значения для локального алгоритма

...