python - Python中的凸优化

Question

我最近对足球统计感兴趣。现在我想在 Python 3.5 ( paper-link ) 中实现著名的 Dixon-Coles 模型。

基本问题是，从论文中描述的模型中，得到了具有大量参数的似然函数，需要将其最大化。

例如：一个德甲赛季的似然函数会产生 37 个参数。当然我做了相应的负对数似然函数的最小化。我知道这个log函数是严格凸的，所以优化应该不会太难。我还包括了分析梯度，但是当参数数量超过 ~10 时，来自SciPy-Package的优化方法会失败（scipy.optimize.minimize()）。

我的问题： 还有哪些其他优化技术最适合涉及约 40 个独立参数的优化问题？

对其他方法的一些提示会很棒！

Answer 1

你可能想看看像https://cvxopt.org/或https://www.cvxpy.org/这样的凸优化包。它是基于 Python 的，因此易于使用！

Answer 2

您可以使用适用于凸空间和非凸空间的元启发式算法。其中最著名的可能是遗传算法。它也很容易实现，概念也很简单。遗传算法的美妙之处在于您可以调整它来解决大多数优化问题。