Question

TL; DR：如何最小化返回整数值（不是浮点数）的相当平滑的函数？

>>> import scipy.optimize as opt
>>> opt.fmin(lambda (x,y): (0.1*x**2+0.1*(y**2)), (-10, 9))
Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 49
         Function evaluations: 92
array([ -3.23188819e-05,  -1.45087583e-06])
>>> opt.fmin(lambda (x,y): int(0.1*x**2+0.1*(y**2)), (-10, 9))
Optimization terminated successfully.
         Current function value: 17.000000
         Iterations: 17
         Function evaluations: 60
array([-9.5 ,  9.45])

尝试最小化接受浮点参数但返回整数的函数，我遇到了求解器立即终止的问题。在上面的示例中演示了这种效果 - 请注意，当返回的值被舍入为int时，评估会过早终止。

我认为这种情况正在发生，因为它检测到衍生物没有变化，即第一次更改参数时，它所做的更改太小，第一次结果与第二次之间的差异为0.00000000000，错误地指示最小值被发现了。

我对optimize.anneal有更好的运气，但是尽管它的整数值返回我已经在三维中绘制了函数的一些区域，它实际上非常平滑。因此，我希望当衍生感知最小化器能够更好地工作时。

我已经恢复了手动绘图以探索空间，但我想介绍一些更多的参数，这样如果我能让它工作就会很棒。

我试图最小化的函数不能返回浮点数。它计算了交叉验证中成功命中的数量，并且我正在让优化器更改模型上的参数。

有什么想法吗？

更新

发现了一个类似的问题：How to force larger steps on scipy.optimize functions?

Answer 1

通常，整数空间的最小化是一个完全不同的字段，称为整数编程（或离散优化）。添加整数约束实际上会产生相当多的算法难度，导致连续方法不适合。查看scipy.optimize.anneal

如何正确使用scipy.optimize.minimize函数返回整数

1 个答案: