3

任何人都知道 NLopt 是否适用于单变量优化。尝试运行以下代码：

using NLopt

function myfunc(x, grad)
    x.^2
end

opt = Opt(:LD_MMA, 1)
min_objective!(opt, myfunc)
(minf,minx,ret) = optimize(opt, [1.234])
println("got $minf at $minx (returned $ret)")

但收到以下错误消息：

> Error evaluating untitled
LoadError: BoundsError: attempt to access 1-element Array{Float64,1}:
1.234
at index [2]
in myfunc at untitled:8
in nlopt_callback_wrapper at /Users/davidzentlermunro/.julia/v0.4/NLopt/src/NLopt.jl:415
in optimize! at /Users/davidzentlermunro/.julia/v0.4/NLopt/src/NLopt.jl:514
in optimize at /Users/davidzentlermunro/.julia/v0.4/NLopt/src/NLopt.jl:520
in include_string at loading.jl:282
in include_string at /Users/davidzentlermunro/.julia/v0.4/CodeTools/src/eval.jl:32
in anonymous at /Users/davidzentlermunro/.julia/v0.4/Atom/src/eval.jl:84
in withpath at /Users/davidzentlermunro/.julia/v0.4/Requires/src/require.jl:37
in withpath at /Users/davidzentlermunro/.julia/v0.4/Atom/src/eval.jl:53
[inlined code] from /Users/davidzentlermunro/.julia/v0.4/Atom/src/eval.jl:83
in anonymous at task.jl:58
while loading untitled, in expression starting on line 13

如果这是不可能的，有谁知道我可以指定边界和初始条件的单变量优化器吗？

4

1 回答 1

7

您在这里缺少几件事。

  1. 您需要在函数中指定函数的梯度（即一阶导数）。请参阅NLopt的github 页面上的教程和示例。并非所有的优化算法都需要这个，但您使用的那个LD_MMA看起来确实如此。请参阅此处以获取各种算法的列表，这些算法需要梯度。
  2. 您应该在“宣布胜利”之前指定您需要的条件的容差¹（即确定该功能已充分优化）。这是xtol_rel!(opt,1e-4)在下面的示例中。另请参见ftol_rel!指定不同公差条件的另一种方法。例如，根据文档，xtol_rel将“在优化步骤（或最优估计）将每个参数更改小于 tol 乘以参数的绝对值时停止。” 并且ftol_rel将“在优化步骤（或最优估计）改变目标函数值小于 tol 乘以函数值的绝对值时停止。”请参阅此处的“停止标准”部分以获取有关各种选项在这里。
  3. 您正在优化的函数应该具有一维输出。在您的示例中，您的输出是一个向量（尽管长度为 1）。（x.^2在您的输出中表示向量操作和向量输出）。如果您的“目标函数”最终没有输出一维数，那么您的优化目标是什么就不清楚（例如，最小化向量是什么意思？不清楚，您可以最小化向量的范数，例如，但一个完整的向量 - 不清楚）。

下面是一个基于您的代码的工作示例。请注意，我在 github 页面上包含了示例的打印输出，这有助于您诊断问题。

using NLopt    

count = 0 # keep track of # function evaluations    

function myfunc(x::Vector, grad::Vector)
    if length(grad) > 0
        grad[1] = 2*x[1]
    end    

    global count
    count::Int += 1
    println("f_$count($x)")    

    x[1]^2
end    

opt = Opt(:LD_MMA, 1)    

xtol_rel!(opt,1e-4)    

min_objective!(opt, myfunc)
(minf,minx,ret) = optimize(opt, [1.234])    

println("got $minf at $minx (returned $ret)")

¹（用优化大银宇的话来说。）

于 2016-06-09T21:13:44.010 回答