问题标签 [scipy-optimize]

我试图通过调整两个参数来使一个函数适合另一个函数。但我不知道这个函数的形式。我只有成本函数，因为该函数的计算使用了 LAMMPS（分子动力学）。我需要一些工具，我只能给出成本函数和我的猜测，然后它会最小化它。

我正在寻找 SciPy 优化，但它看起来需要我没有的原始功能。

我有 2 个（模拟）数据集和 2 个（实验）参考数据集。

由于模拟是以数值方式进行的，因此没有方法/功能是已知的，只有模拟数据可用。

这两个数据集共享我想通过将模拟拟合到参考数据来提取的参数。

我没有找到任何 python 功能来仅使用数据集而不是拟合函数/模型来执行这种拟合/最小化/优化。

具体来说：我有以下两个方程：

e1 = a * s1 + b * t1 + c * u1 和

e2 = a * s2 + b * t2 + c * u2 和

我想弄清楚参数a，b，c。

e1, e2 是实验性的 NxN np.arrays（可以在热图中可视化或可以视为 f(x,y) ）和

s1, s2, t1, t2, u1, u2 是包含模拟数据的 MxM np.arrays。

我希望方程（热图）的左侧和右侧尽可能相似，并考虑两个方程相似以了解 a、b、c。

使 N = M 需要付出努力，但可以做到。我知道，我必须使用两个模型，但我只知道如何将匹配的 1xN 实验和模拟数组传递给模型。

我有一个包含纬度和经度的数据集，我对其应用了四阶线性回归，然后使用函数 from获取每个数据点到回归的最小距离（即法线向量） ，正如我在本指南中发现的那样.fmin_cobylascipy.optimize

优化器采用cobyla目标（即两点之间的距离）、初始猜测和约束（即解决方案必须是回归曲线的一部分）。代码如下：

例如，如果long_t = 141.2393842和lat_t = 45.1779571，我们可以绘制数据集、回归线以及该点与曲线之间的线段，如下所示：

但是，当我使用其他一些数据点进行测试时，优化器找不到解决方案，而是将数据点本身作为解决方案。下面是一个带有long_t = 130.4183692and的例子lat_t = 31.5231443，它的优化K输出[130.41821497 31.52316012]（本质上是相同的点）：

正如我所发现的，在对整个数据集应用优化后，所有低于回归曲线的数据点都会出现此问题：

起初，我认为这可能与初始猜测x0是曲线上方的设定点有关，因此在这些情况下找到了局部最小值，但是更改这些参数并没有取得成功，也没有将其设置在曲线下方，数据点本身，靠近数据点的点或曲线上相同经度的点。

为什么 COBYLA 优化器适用于曲线上方的数据点，而不适用于曲线下方的数据点？我应该使用这个优化器来解决我要解决的问题吗？如果没有，您会推荐哪个优化器以及如何实现它？

我试图找到一种（相对）快速的方法来最小化给定约束和界限的自然数集上的函数。我知道函数的数学形式及其约束，所以蛮力方法似乎很慢而且不是很优雅。解决这个问题的最佳方法是什么？

基本上，我试图从使用 scipy.optimize.minimize 对实数进行功能最小化到自然数上的一个。（我知道这要困难得多）

让事情变得容易。我在想这样的例子：

换句话说，我希望添加约束和界限

（我知道我可以通过从 xr 中排除这些值来强加它们，但这对于我所想到的实际情况来说似乎不太优雅且不太实用）

所以我期待有一些不同的最小化器，比如 scipy.optimize.basinhopping 或者神秘的东西来做这个把戏？有什么建议么？

假设我需要最小化一个函数，但我想保持上面的结果0。也就是优化后的值应该是>= 0。我可以找到有关如何约束参数而不是返回值本身的内容。

下面是一个非常愚蠢的例子，它基本上是我真实世界用例的简化

我无法让它工作。我希望它能给我x最小化的值，cost_function但我收到以下错误消息：

RuntimeError：类似地图的可调用对象必须是 f(func, iterable) 的形式，返回与“可迭代”长度相同的数字序列

听起来我没有正确设置问题，或者我的函数没有返回正确类型的数据differential_evolution以正确解释，但我不知道应该在哪里更正。

欢迎任何帮助

这是堆栈

我的目标是对一些衰减数据（通过 CPMG 的 NMR T2 衰减）执行拉普拉斯逆变换。为此，我们获得了 CONTIN 算法。该算法由 Iari-Gabriel Marino 改编为 Matlab，效果非常好。我想将此代码改编成 Python。问题的核心是scipy.optimize.fmin，它不会以任何类似于 Matlab 的方式最小化均方偏差 (MSD) fminsearch。后者产生了很好的最小化，而前者没有。

我已经逐行浏览了我在 Python 中改编的代码和原始的 Matlab。我检查了每个矩阵和每个输出。我用它来确定临界点在fmin. 我也尝试过scipy.optimize.minimize其他最小化算法，但都没有给出令人满意的结果。

我为 Python 和 Matlab 制作了两个 MWE，以使其对所有人都可重现。示例数据来自 matlab 函数的文档。抱歉，如果这是长代码，但我真的不知道如何在不牺牲可读性和清晰度的情况下缩短它。我试图让线条尽可能地匹配。我在 Windows 8.1 上使用 Python 3.7.3、scipy v1.3.0、numpy 1.16.2、Matlab R2018b。这是一个相对较新的 Anaconda 安装（<2 个月）。

我的代码：

MATLAB：

这是Python中的优化

这是Matlab中的优化

我在开始之前检查了 g0 的 MSD 的输出，两者都给出了 2651 的值。最小化之后，Python 上升到 4547，Matlab 下降到 0.1381。

我认为问题是以下之一。它在我的实现中，即我使用fmin错误，或者我错了其他一些段落，但我无法弄清楚是什么。MSD 在应该通过最小化函数减少时增加的事实是该死的。阅读文档，scipy 实现与 Matlab 的不同（他们使用 Lagarias 中描述的 Nelder Mead 方法，根据他们的文档），而 scipy 使用原始的 Nelder Mead）。也许这会影响很大？或者我最初的猜测对于 scipy 的算法来说太糟糕了？

我需要在同一个数据集中拟合几个洛伦兹峰，其中一些是重叠的。我最需要的功能是峰值位置（中心），但我似乎无法拟合这些数据中的所有峰值。

我首先尝试使用 scipy 的优化曲线拟合，但是我无法让边界起作用，它会尝试拟合整个光谱范围。我一直在使用 python 包 lmfit 并获得不错的结果，但是我似乎无法很好地选择重叠峰。

你可以在这里看到带有标记峰的原始光谱 和我的拟合结果

你可以在这里找到我正在使用的数据

我不明白算法期望init参数的形状。

在帮助中，它说：

initstr 或类似数组，可选

指定执行哪种类型的人口初始化。应该是以下之一：

数组应具有形状 (M, len(x))，其中 len(x) 是参数的数量。init 在使用前被剪裁到边界。

我正在传递形状为（1,17）的东西（数组数组）作为初始值（=init参数）。因此，代表我的 17 个参数的 17 个值的 numpy 数组并收到以下错误消息：

ValueError：提供的总体需要具有形状 (M, len(x))，其中 M > 4。

试图深入研究它，我在源代码中得到了这一行：

if我理解的 3 条语句中的最后 2 条。您要确保它是一个数组数组并且所有数组都具有正确的大小（即参数的数量）。

但是为什么算法期望用户给它至少 4 个可能的起始值呢？

我正在使用scipy.optimize以下方式优化函数：

我的问题是我不想简单地在容差小于一个值时停止（例如，如果在第 n 次迭代停止是|y_n - y_(n-1)|<tol）。相反，我有一个稍微复杂的函数y_nand y_(n-1)，比如说tolFun，我想在什么时候停止tolFun(y_n, y_(n-1))<tol。

为了提供更多细节，我的公差函数如下。它划分y成块，然后检查任何单独的分区是否在容差范围内具有范数差异，如果有，则应该停止最小化。

我的问题与此处的这个问题类似，但不同之处在于，该用户只需要 的当前迭代值y，而我的自定义容差函数既需要 的当前迭代值，y也需要先前的值。有谁知道我该怎么做？