问题标签 [scipy-optimize-minimize]

我可以scipy在不使用可调用雅可比的情况下执行最小化。我想使用可调用的 jacobian，但无法弄清楚这种函数输出的正确结构。我在网上查了一些例子；此处和此处提出的类似问题没有任何解决方案，并且此处发布的解决方案使用了可导入的功能，这使问题看起来不必要地复杂。下面是一个示例，显示了没有雅可比的成功最小化，以及使用雅可比最小化的不成功尝试。

考虑使用最小二乘法来找到为椭圆提供最佳数据拟合的参数。首先，生成数据。

这些是定义椭圆的函数：

这是最小化的成本函数：

没有雅可比的最小化：

上面注释掉的打印语句输出以下内容：

根据scipy docs，该函数jacobian应返回与输入向量大小相同的数组。此外，可调用的 jacobian 函数仅适用于 提供的少数方法scipy，包括'L-BFGS-B'和'SLSQP'。用雅可比最小化：

引发以下错误：

从错误中，我认为问题是调用返回的数组jacobian包含太多条目，所以我尝试转置它。这引发了以下错误：

应如何输出可调用函数jacobian以使其与 scipyminimize(...)例程兼容？

情况：我正在使用 scipy 来解决优化问题。由于需要许多约束，系数位于 pandas.dataframe 对象中。我正在尝试使用循环输入所有这些约束。问题是在下一个周期，参数已经改变，所以实际上只剩下了约束。

为了更清楚地表达问题，我举个例子（在这个例子中，只给出了几个参数。但在实际情况下，可能有50多个参数）。Step1：我使用的代码如下：约束是w1 + w2 * 2 >= 0; w1 * 3 + w2 * 5 >= 0

Step2：使用如下所示的代码测试cons：只使用w作为[1, 1]，我预计cons中存储的fun会输出3和8，但实际上是8和8。

任何人都可以就如何解决这个问题提供一些帮助吗？或者只是出了点问题。

我有一些变量的功能：

我需要为“optimize.minimize”定义“bound”，并为“A”的变量定义“A1”，但我不知道“A”值的范围

我该怎么做？

我想通过指定函数的三个变量（“a”，“b”，“alpha”）的值来最小化一个函数，这些变量的范围=（1,5），并定义其他变量函数作为数字或某个函数

请帮我

我想尝试不同的策略来将我的数据拟合到给定的模型中，并提供边界并提供分析雅可比行列以改进结果。我可以运行optimize.least_squares，例如：

但是当我尝试使用使用相同参数和数据的任何可用方法进行优化时，我发现了几个错误（见下文）：

• method='L-BFGS-B'：

• 如果我这样做，例如np.transpose(param_bounds)：

同样，它适用于 least_squares，所以我想问题在于我如何传递参数（为什么它们与 least_squares 不同？？）而不是在代码中。但是，按照找到的文档和示例，我无法理解错误在哪里。

我真的很感激这方面的任何帮助。提前致谢。

我正准备放代码、数据示例等，但为了避免让它太长，我认为以下信息就足够了。让我知道我是否错了并且需要其他东西。

• 有 5 个参数：S0, d, theta, phi, f. 这些和其他需要的参数（例如数组bvals和bvecs）是从 aconfigfile和其他所需的函数中读取的sys_path（传入args）。

• cost_function返回一个向量F（data, Sj因此F是形状为 (65,) 的数组）。基本上，它是这样的：

• x0（5 个参数的初始化）在形状 (5,) 的数组中提供。例如：array([ 1.46732834e+02, 1.00000000e-03, 6.81814424e-01, -2.07406186e-01, 1.27062049e+01])

• 下边界和上边界作为 param_bounds 提供，形状为 (2,5)。例如，

• grad_Vis 是一个用户定义的 jacobian 函数，它返回一个形状为 (65,5) 的数组，并且作为cost_function，args=(data, sys_path, configfile)作为输入参数。

我可以用scipy.optimize.minimize它来限制它的答案，例如 2、3、4、6、8、10？只是那些值而不是浮点值？

我有一个简单的优化问题，使用一些特定的数据，使scipy.optimize.minimize忽略该tol参数。根据我的理解，从文档中tol确定“终止容差”，即目标函数接受的最大误差（我错了吗？）。然而，在下一个工作示例中，当tol设置为 0.1 或其他小数字时，即使目标函数 > ，优化也会以“优化成功终止”消息结束tol。这是 Scipy 方法中的错误还是我在这里误解了什么？

优化问题：我需要对 和 进行线性组合var1，var2它们是两个时间序列，通过参数Btd和缩放它们Bta。我需要线性组合的平均值接近目标值Target，一个标量。np.mean(Btd*var1 + Bta*var2)所以我只是最小化和之间的绝对差异Target。约束条件是比例系数必须大于 0，并且均值的比率np.mean(Btd*var1)/np.mean(Bta*var2)应近似于函数gi/(1-gi)，其中gi是区间 [0,1] 中的标量。

可重现的代码：

打印出来：

我的问题：fun: 3.0 > tol: 0.1 这是不想要的。

TL;DR： scipy.optimize.minimize 忽略 stop 参数tol。为什么？

编辑：此外，最佳解决方案 [0, 0] 忽略了两个 ineq 约束，旨在使这两个参数> 10**（-5）。这是同一个问题的一部分吗？

我正在使用有限内存 BFGS 优化器来最小化黑盒函数的值。我已经随机模拟了许多输入参数组合，并意识到ftolandgtol参数只是在路上，它对降低我的函数的值没有任何贡献（输出和随机输入之间存在正相关ftoland gtol，所以越小越好）。所以我设置1E-18并专注于配置其他参数，因此退出消息CONVERGENCE: REL_REDUCTION_OF_F <= FACTR*EPSMCH意味着整个优化取决于eps我猜的正确值。

然后我将两者都设置ftol为gtol不1E-20妨碍，但随后我开始获得次优结果。

所以我的优化器是：

所以我将它设置为1E-20，其他值是随机输入的。较大样本的平均输出小于1E-20with 1E-18，我不明白为什么，它们应该是可以忽略不计的非常小的数字。我也开始收到退出消息CONVERGENCE: NORM OF PROJECTED GRADIENT <= PGTOL，我不知道这么小的公差怎么可能。所以我有以下问题：

1）是否值得设置ftol并设置gtol为如此低的值1E-20？

2）如果已经设置，我应该设置（tol外部公差值）吗？我不希望它提前退出。或者，如果启用并且启用，作为退出阈值是否会被禁用？ftolgtoltolgtolftol

3) Scipy、Numpy 或 Python3 本身是否有可能无法处理 20 位小数的浮点值。我注意到 Python 主要为浮点数打印 18 位数字，所以问题可能是我输入了太多数字。如果是这样，那么 scipy.optimize 处理的最大位数是多少？（Scipy v1.4.1 | Numpy v1.18.1 | Python 3.5.3）

所以我有一些功能

我想在 x 上最小化这个函数，但有时我会想要一个额外的参数 y。（本质上，我希望 y 始终采用其默认值，除非我最小化。）

通常，如果该功能只是def fun(x,y):我能够做到的scipy.optimize.minimize(x,args=(y))。但是当 y 是可选变量时我该怎么办？putargs=(y=value)给了我无效的语法，（当然，它看起来非常错误），但我不确定正确的语法是什么。

如果相关，我正在使用 Python 3.7。

使用下面的代码来了解 Scipy 优化/最小化是如何工作的。结果与我的预期不符。

当我运行时，这是 Python 在其输出控制台上抛出的内容：

尽管优化器说结果是成功的，但是由于结果应该为零，因此不遵守约束 3。我错过了什么？

我想找到最小的函数值scipy.optimize.minimize_scalar

功能：

我想要w0 = 50并且w1 = [-5,5] 当我试图将函数置于 scipy 方法下时，我看到了不同的错误：