问题标签 [objective-function]

我正在尝试进行时空自动回归（STAR）。下面的代码基本上定义了我需要最小化的上述目标函数，其中 Y 是 N×K 矩阵，D 是 N×N 矩阵。

优化出错了，所以只添加了第一个块来检查究竟是哪一部分出错了。我scipy.optimize.minimize( )用来最小化目标函数。

但是，当我运行以下命令时，优化失败并打印出矩阵 D。结果不知何故，Y 已分配给 D，因此 D 不再是 N×N 矩阵。

我觉得很混乱。为什么D完全改变了？这是否发生在其他人身上？有人帮我吗？

我有一篇论文中的目标函数，我想用梯度下降来最小化。我还没有“从头开始”做这件事，并且想要一些关于如何手动编码的建议。目标函数为：

T(L) = tr(XT L^s X) - beta * ||L||。

其中L是N x N矩阵要估计的正半定矩阵，X是N x M矩阵，beta是正则化常数，XT = X转置，||.|| 是弗罗贝尼乌斯范数。

此外，L^s 是矩阵指数，其中 L^s = F Λ^s FT，其中 F 是 L 的特征向量的矩阵，Λ 是 L 的特征值的对角矩阵。

目标函数的导数是：

dT/dL = sum_{从 r = 0 到 r = s - 1} L^r (XX.T) L^(sr-1) - 2 * beta * L

我已经完成了非常基本的梯度下降问题（例如矩阵分解），其中优化了矩阵的每个元素，或者使用包/库。这种问题我习惯了比较复杂，我希望你们中的一些对这种事情更有经验的人可以帮助我。

非常感谢任何一般性建议以及如何在 python 或 R 中编写代码的具体建议。

这是具有此功能的论文的链接： https ://journals.plos.org/plosone/article?id=10.1371/journal.pone.0128136#sec016

非常感谢您的帮助！

保罗

我正在使用 XGBoost 进行销售预测。我需要一个自定义目标函数，因为预测值取决于商品的销售价格。我正在努力将销售价格输入到标签和预测旁边的损失函数中。这是我的方法：

超参数调整时出现以下错误：

有谁知道如何在目标函数中使用销售价格？这可能吗？

谢谢！

我有一个有效的 Miniznic 模型来安排 1 位教授有 n 名学生的个人课程（单节课安排模型的优化问题）。该模型考虑了教授和学生的可用性（硬约束）和时间偏好（目标函数）。

现在，我想扩展模型并优化课程表，以最大限度地减少课程之间的差距。

例子：

在哪里

显然，pin slot 1 不能算作间隙。同样，插槽 9 和 10 也没有间隙。消除所有错误间隙， Schedule最终应该看起来像Real Gaps数组（注意：错误间隙用.; 与不可用相同）。

结果将是一个间隙数组[2, 1, 1, 1, 1]（每个间隙显示它持续的插槽数）。然后，基于这样的阵列，人们可以例如制定目标以最小化整体间隙槽。

在ruby我能够制定一个算法来做我想要的：

如何在 Minizinc 中制定这样的算法？

谢谢！

为了简化，假设我可以描述一个系统

变量x1和x2,

参数p1和p2, 和

约束f(x, p) = 0和g(x, p) = 0：

例如：

f(x1, x2, p1, p2) = x1^2 * p1 + x1^2 * p2 + x2 = 0

g(x1, x2, p1, p2) = x2^2 * p2 + x1 * p1 = 0

现在，假设给定参数p1和的真实值p2，根存在。scipy.optimize但是，在我的情况下，参数的确定方式并不完美，并且像's这样的非线性寻根器fsolve是不成功的。可以将参数作为变量输入并尝试找到根，但是将变量和参数增加一个数量级，就像在我的实际系统中一样，约束变得非常难以遵守。

因此，我一直在寻找可以“解决”我的非线性方程组的 python 优化包。这就是我对优化缺乏理解的障碍。

如果我理解正确，假设我的方程是约束，这意味着必须尊重它们才能使我的设计成功。但是，我已经意识到，鉴于参数（或大量可能的变量）的不完美性，我需要有一个（或多个）目标函数来最小化而不是约束。

描述我的系统的所有方程都具有相同的有效性，所以我认为我不能简单地选择一个或几个方程作为目标函数，其余的仍然作为约束。看起来我需要将所有方程作为目标函数。

因此，我有两个问题：

1. 我的逻辑是让我的所有方程都作为目标函数有效吗？
2. 什么 python 包可以让我最小化这些目标函数？

我看过cyipopt、casadi、pyomo和DEAP，但我有点迷茫。我认为一旦我的系统模型得到更好的定义，我就会确切地知道要寻找什么。但是，如果可以提供我的简单示例的代码，我将不胜感激。

PS：我的模型现在有 11 个变量和 11*5 个参数（五个系数代表每个变量的 4 次多项式）。如果需要，我还可以在优化包中为变量添加约束。

我正在尝试使用 Pulp 解决教授/班级分配问题。下面是我的代码的简化示例。在示例中，每年有 12 个不同的科目（“Maths_1”，代表数学第一年）分配给 3 个不同的组（A、B、C）。共有 36 个班级分配给 9 位教授（每个教授 4 个班级）。我想尽量减少教授必须提供的不同科目的数量。这是：必须为教授分配 4 个类，然后，例如，Maths_1_A、Maths_1_B、Maths_1_C 和 Programming_1A 只涉及两个不同的科目（Maths_1 和 Programming_1），是比 Maths_1_A、Maths_2_A、Physics_2_A、Physics_1_B、Chemistry_3_A 更好的选择4 个不同的科目（Maths_1、Maths_2、Physics_1、Chemistry_3）。

我遇到的问题是定义目标函数。我只能考虑纸浆变量分配的条件：

问题是：如何创建一个目标函数来计算教授分配的不同科目数量？

我正在训练一个模型来对具有 10 个级别的序数响应变量进行分类。

我研究了一篇名为“Squared Earth Mover's Distance-based Loss for Training Deep Neural Networks”（https://arxiv.org/pdf/1611.05916.pdf）的论文，我想自定义 XGBoost 目标函数以在“ EMD”。

但是，我不知道如何编写该目标函数。除了使用multi:softmaxor multi:softprob，任何人都可以帮我编写一个满足 EMD 的定制目标函数吗？

我在对指数方程求和并将其用作目标函数时遇到问题。

我还尝试将指数方程写成约束，因为我认为这可能是解决此问题的另一种方法，但这对我也不起作用。

对此的任何帮助将不胜感激。

此代码发生的错误是：

我的理解是目标函数的格式应该是（这是我打印 exp_power 得到的结果）：

但是，一旦添加指数项 (w)，格式变为：

此外，当添加 quicksum[w] 时，格式变为：

目的是最小化 \sum_{r=1}^N W_r

其中 \W_r = exp(population_dict[r]*sum_{s∈S} d_r,s * y_r,s) ∀r ∈ R

我有一个分数的二维矩阵作为参数。我有 nxm 个变量 x[i,j]，这些变量可以采用预定范围内的整数值。我需要最大化这样的东西： 期望的目标函数

其中 score 是矩阵。是否可以定义这样的目标函数？

使用 Gurobi (Java)，是否可以为一个目标函数编写两个表达式，以便随后仅优化目标函数？

更准确地说：我有以下目标函数：

f = -(ab)

a 和 b 都包含我的优化变量。由于这些条款不是很简单，我正在考虑将两者分开。然而，它们不是单独优化的，而只是目标函数（以及差异）被最小化。因此，在我看来，多重目标的可能性不复存在，但我也可能是错的。也许有人可以帮助我。

非常感谢