1

我试图解决一个优化问题，包括找到一个高维（10+）单调函数的全局最大值（如在每个方向上都是单调的）。约束使得它们用平面切割搜索空间。

我已经编码了整个事情pyomo，我正在使用ipopt求解器。在大多数情况下，我相信它会成功收敛到全局最优值。但是，如果我稍微考虑一下约束，我会发现它有时会收敛到局部最小值。

这看起来像是一种探索与开发的权衡。我已经研究了可以传递给的选项，ipopt并且列表太长了，以至于我无法理解要使用哪些参数来帮助收敛到全局最小值。

编辑：

解决方案的两个提示：

  • 我的变量曾经被定义为非常无限的界限，例如bounds=(0,None)在无限的半线上移动。我对它们实施了两个有限的界限。

  • 我现在使用多个开头：

    opt = SolverFactory('multistart')
results = opt.solve(self.model, solver='ipopt', strategy='midpoint_guess_and_bound')

到目前为止，这让我对融合感到满意。

4

1 回答 1

3

抱歉，IPOPT 是本地求解器。如果您真的想找到全局解，可以使用全局求解器，例如 Baron、Couenne 或 Antigone。有一个权衡：全局求解器速度较慢，可能不适用于大问题。

或者，您可以通过良好的初始点帮助本地求解器。请注意，在这方面，活动集方法通常比内点方法更好。有时使用多启动算法来防止糟糕的局部最优：使用一堆不同的起点。Pyomo 有一些工具可以做到这一点（参见文档）。

于 2019-03-04T03:24:24.780 回答