问题标签 [mystic]

我想知道是否可以在 python 中使用 mystic 进行约束黑盒优化。如果是这样，此优化包中将提供哪些算法？

有没有办法在神秘的约束中使用变量名？

IE

以上导致此错误：

编辑：

下面使用的代码试图最小化当前本地点 (x_0, y_0) 和下一个本地点 (x_1, y_1) 之间的 l2 范数，同时遵循约束（物理加​​速度和转弯半径）。这个距离在速度和航向方面被最小化。

我正在寻找一种最大化优化解决方案，该解决方案在给定输入矩阵的情况下满足行级和列级约束。

给定 3 家商店（A、B、C）和 3 种产品（X、Y、Z），通过最大化商店供应的加权平均值来优化 1,200 单位库存（X = 600，Y = 500，Z = 100）的放置率（定义如下）。对于每个商店/产品组合，存在现有数量的库存 (e) 和对项目 (v) 的需求。没有商店可以发送超过 400 单位的库存。

供给率=需求/（现有库存+新库存）

目标：最大化按需求加权的商店供应率的直接平均值。

附上说明上述情况的示例。在真实的例子中，商店和物品更多，但逻辑是一样的。首选 python 解决方案，但任何关于如何用任何语言编写优化的指导都会很棒。谢谢！

方程

数据设置示例

我正在尝试使用 Python 中的神秘库优化函数，并且对gtol参数有一个一般性的问题。

我正在搜索的参数空间是高维（30-40），因此，设置gtol = 40000似乎适合我。奇怪的是，算法似乎在 30000 次迭代后停止，尽管我指定了gtol为 40000，这（据我所知）意味着该算法在停止运行之前应该有 40000 次相同的迭代。

我的函数调用非常基本：

我检查了评价函数的演变，它在第 29000 次迭代时持平。最后 1000 次迭代是相同的，但它已经停止，而不是运行其余 39000 次所需的gtol迭代。

我是否误解了gtol参数？或者我在这里错过了什么？

提前致谢。

我有一个类型的非凸二次优化问题

x' * B * x,

其中 x 的所有条目都在 0 和 1 之间，并且所有条目的总和等于 1。

在 scipy.optimize 我会尝试通过解决这个优化问题

所以我从初始猜测 [0.5, 0.5] 开始，我在每个维度上应用边界 (0,1)，等式约束由一个非常窄的双不等式约束处理。

现在我想把它翻译成神秘的，因为 scipy 不适用于高维非凸设置（我感兴趣）。

我无法找到的是如何以一种形式编写约束，这样我只需要提供具有可变维度的矩阵 B。到目前为止，我发现的所有 mystic 示例都执行以下操作：

这是非常冗长的，需要手动插入所有约束和参数等作为我想避免的字符串：每次我需要运行优化方法时，矩阵 B 的维数和形式都会有所不同。我想要的（在一个完美的世界里）会是这样的

那可能吗？

假设我有一个非凸目标函数loss，它采用形状为 (n,)的np.ndarray命名并返回一个数字。目标有很多很多局部最小值，因为它本质上是另一个形状 (n,) 的常量数组的函数。Xfloat np.round(X * c, 2)c

你可以想象这样的事情：

线性约束用两个常数矩阵（也存储为 numpy's ndarray）表示，A其形状为 (m, n) b，形状为 (m,)。我需要在保持的同时loss最小化。另外，每个元素都必须服从，我有一个不错的初步猜测。XA.dot(X) == bX0 <= X_i <= 2X0 = [1, 1, ..., 1]

我不需要全局最小值，搜索可以立即停止loss(X) <= 1。目标主要是用 SQL 编写的，因此速度非常慢，所以我还希望优化在loss被评估约 200 次时终止。（这不是硬性要求，您也可以在优化运行 5 分钟后终止。）

使用 scipy，我可以做到

我对这个解决方案不满意，因为结果比人为的初始猜测（作为冒烟测试在全局最小值附近采样）更糟糕，这可能是由于局部最小值的丰富和一些数值问题？此外，我无法估计每次迭代的目标调用次数（否则我可以通过设置来限制创新次数maxiter）。

我怎样才能更好地使用mystic，这可能更灵活？

我正在尝试解决类似于下面描述的玩具示例的优化问题。正如评论中所指出的，我目前使用 scipy 的实现太慢了，而且似乎没有收敛。我如何获得一个体面的解决方案？你可以使用 scipy、mystic 或任何你认为合适的库。

请注意，我不需要全局最小值，搜索可以立即停止loss(X) <= 1。现实世界的目标主要是用 SQL 编写的，因此速度非常慢，所以我还希望优化在loss被评估约 200 次时终止。（这不是硬性要求，您也可以在优化运行 5 分钟后终止。）

虽然这个问题类似于Minimizing non-convex function with linear constraint 和 bound in mystic，但它绝对不是重复的。这两个问题甚至没有处理相同的目标。

我正在尝试对向量 [a1,a2,a3] 执行最小二乘优化，具有以下约束，其中k是一个常数：

我将发布我的代码的简化版本，希望这可以清楚地说明我所追求的。

由于初始猜测的生成方式，它位于是a_init的区域。（我们首先需要使用数值方法的原因是，早期的封闭式方法返回了一个不可行的解决方案。可以提供一个非常糟糕的可行猜测，例如 (0,0,0)，但这会很多远离真正的解决方案）。feasibilityFalse

由于constraint' 的梯度几乎在所有地方都为零，因此优化例程无法找到离开这个不可行（不可接受）区域的方法，并且它不会成功终止。它仅在SLSQP1 次迭代后停止，并带有 message Singular matrix C in LSQ subproblem。使用trust-constr求解器，它达到了函数评估的最大次数，并且我相信它没有离开不可行区域，因为constr_violation是1.0。

据我了解，在 SciPy 中不可能在 and 上提供“联合绑定”（对发明术语表示歉意）a2，a3这意味着我被迫使用这种NonlinearConstraint方法。

这样做的正确方法是什么？（一些搜索表明我可能想尝试mystic带有符号约束的包。但在我花时间学习这个新包之前，我想看看 StackOverflow 是否有基于 SciPy 的解决方案。或者如果你知道怎么做这在mystic一些示例代码中会非常有帮助。）

正如标题所说，我正在使用 Python mystic 包中实现的差分进化算法来解决 O(10) 参数的全局优化问题，具有边界和约束。

我正在使用简单的界面diffev

我正在尝试多次运行相同的优化：给定差分进化算法的缩放比例，我运行了 10 倍的优化问题。

结果？对于几乎所有的结果，我得到了不同的答案！

我尝试缩放 0.7、0.75、0.8 和 0.85，所有这些都大致相同的不良行为（如神秘页面上所建议的那样）。

这里有一个例子：在 x 轴上有参数，在 y 轴上有参数值。标签代表迭代。理想情况下，您只想看到一行。

我用 gtol = 3500 运行，所以它应该很长。我使用的是 npop = 10*number pars，ftol = 1e-11，diffev 算法的其他重要参数是默认参数。

有没有人有一些关于用神秘调整差分进化的建议？有没有办法避免结果中的这种差异？我知道这是一个随机算法，但我没想到它在 gtol 为 3500 上运行时会给出不同的结果。我的理解也是这个算法不会陷入局部最小值，但我可能错了。

ps

这与问题无关，只是为了说明为什么这对我很重要。

我的工作需要做的是在上述条件下，针对几个输入数据最小化一个函数：我在 O(10) 参数上针对每个数据配置进行优化，然后带有一些参数的配置给出整体最小值是被选中的人。

现在，如果优化器不稳定，它可能会偶然给我错误的数据配置作为最佳配置，因为我运行了数百个。

我是非线性编程的新手，我读到 mystic 在有效解决这类问题方面相当不错。我正在尝试实现这个数学模型（根据本文的多对象最大重叠匹配）：

数学模型 大致如下：

我认为这将类似于布尔示例。但我正在处理矩阵输入以找到最佳的最大匹配。Matches(z_ij) 可以是一对一、多对一、一对多的关系，但不能是多对多的。

示例矩阵输入 (C_ij)

我不确定要放置什么边界以及如何设置 ieqn 约束以引用 z_ij