1

我正在努力修改NLopt 上的 Julia 特定教程以满足我的需求，如果有人能解释我做错了什么或未能理解，我将不胜感激。

我希望：

  • 最小化一些目标函数的值myfunc(x)；在哪里
  • x必须位于单位超立方体中（在下面的示例中只有 2 个维度）；和
  • 的元素之和x必须为1。

下面我做myfunc的很简单——距离的平方，x这样[2.0, 0.0]问题明显正确的解决方案就是x = [1.0,0.0]for which myfunc(x) = 1.0。我还添加了println语句，以便我可以看到求解器在做什么。

testNLopt = function()

    origin = [2.0,0.0]
    n = length(origin)

    #Returns square of the distance between x and "origin", and amends grad in-place
    myfunc = function(x::Vector{Float64}, grad::Vector{Float64})
        if length(grad) > 0 
            grad = 2 .* (x .- origin)
        end
        xOut = sum((x .- origin).^2)
        println("myfunc: x = $x; myfunc(x) = $xOut; ∂myfunc/∂x = $grad")
        return(xOut)
    end

    #Constrain the sums of the x's to be 1...
    sumconstraint =function(x::Vector{Float64}, grad::Vector{Float64})
        if length(grad) > 0
            grad = ones(length(x)) 
        end
        xOut = sum(x) - 1
        println("sumconstraint: x = $x; constraint = $xOut; ∂constraint/∂x = $grad")
        return(xOut)
    end

    opt = Opt(:LD_SLSQP,n)

    lower_bounds!(opt, zeros(n))
    upper_bounds!(opt,ones(n))
    equality_constraint!(opt,sumconstraint,0)
    #xtol_rel!(opt,1e-4)
    xtol_abs!(opt,1e-8)

    min_objective!(opt, myfunc)
    maxeval!(opt,20)#to ensure code always terminates, remove this line when code working correctly?
    optimize(opt,ones(n)./n)
end

我已在此处和此处阅读了类似的问题和文档，但仍然无法弄清楚出了什么问题。令人担忧的是，每次我运行时我都会看到不同的行为，就像在这个屏幕截图中一样，包括求解器多次无用评估的情况。testNLoptmyfunc([NaN,NaN])

4

1 回答 1

1

正如您在评论中所写的那样，您实际上并没有grad就地写入参数；

grad = 2 .* (x .- origin)

只是覆盖局部变量，而不是数组内容——我想这就是为什么你df/dx = [NaN, NaN]到处都能看到这些。解决这个问题的最简单方法是广播分配（注意点）：

grad .= 2 .* (x .- origin)

等等。您可以在此处和此处阅读有关该行为的信息。

于 2018-09-03T15:12:27.127 回答