Question

我正在寻找使用可变数量参数作为scipy中优化器输入的正确方法。

我有一组输入参数p1，...，pn，我用函数func（p1，...，pn）计算质量标准。我想最小化这个值。

输入参数为0或1表示应该使用它们。我不能简单地从参数列表中删除所有未使用的，因为我的质量标准函数要求它们为“0”以从方程中删除未使用的项。

def func(parameters):
    ...calculate one scalar as quality criteria...

solution = optimize.fmin_l_bfgs_b(func,parameters,approx_grad=1,bounds=((0.0, 5.0),...,(0.0,5.0)) # This will vary all parameters

在我的代码中，优化器运行时没有错误，但当然所有给定的参数都会更改以获得最佳解决方案。

有没有办法让... func的10个输入参数，但在优化器中只使用了5个？

到目前为止，我只能想到以一种不需要来自未使用参数的“0”输入的方式更改我的func定义。我会很感激如何避免这种想法。

非常感谢您的帮助！

Answer 1

如果我理解正确，那么您要求的是最适合的约束，这样您就可以找到效果最好的[p0,p1,p2...p10]，而不是为func()找到最佳[p0, p1, ...p5]。在func()等条件下的函数p6=fixed6, p7=fixed7, p8=fixed8...。

如果您在python中使用args=(somthing)，则可以将其转换为scipy.optimize.fmin_l_bfgs_b代码。首先，编写一个部分修复的函数func_fixed()

def func_fixed(p_var, p_fixed):
    return func(p_var+p_fixed) 
# this will only work if both of them are lists. If they are numpy arrays, use hstack, append or similar

solution = optimize.fmin_l_bfgs_b(func_fixed,x0=guess_parameters,\
                                  approx_grad=your_grad,\
                                  bounds=your_bounds,\
                                  args=(your_fixed_parameters), \ #this is the deal
                                  other_things)

没有必要func_fixed()，您可以使用lambda。但这种方式读起来要容易得多。

Answer 2

我最近解决了一个类似的问题，我希望在每次运行时优化不同的参数子集，但需要所有参数来计算目标函数。我在目标函数中添加了两个参数：

索引数组x_idx，其指示要优化的参数，即0不优化和1优化
具有所有参数初始值的数组x0

在目标函数中，我根据索引数组将参数列表设置为要优化的参数或初始值。

import numpy 
import scipy.optimize

def objective_function(x_optimised, x_idx, x0):
    x = []
    j = 0
    for i, idx in enumerate(x_idx):
        if idx is 1:
            x.append(x_optimised[j])
            j = j + 1
        else:
            x.append(x0[i])
    x = numpy.array(x)
    return sum(x**2)

if __name__ == '__main__':
    x_idx = [1, 1, 0]
    x0 = [1.1, 1.3, 1.5]

    x_initial = [x for i, x in enumerate(x0) if x_idx[i] is 1]
    xopt, fopt, iter, funcalls, warnflag = scipy.optimize.fmin(objective_function, \
                                                   x_initial, args=(x_idx, x0,), \
                                                   maxfun = 200, full_output=True)
    print xopt

scipy的可变参数数量用L-BFGS-B算法优化

2 个答案: