Question

我尝试根据scipy

的多个变量进一步深入研究函数的优化

在使用批处理文件调用此工具后，我有一个函数从数据挖掘工具返回预测。

def query(x):
    import numpy as np
    file_direc_in="path_to_input_file.csv"
    file_direc_out="path_to_output_file.csv"


    with open(file_direc_in, 'w') as f:
        np.savetxt(f, x, delimiter=';', fmt='%.3f',newline='\r\n')
    f.close()
    os.system("Dataset_query.bat")
    #batch file takes the array i wrote to from input_file and estimates a result
    #afterwards the output will be taken from the output file:
    f = open(file_direc_out,'r')
    out = np.array([[float(f.readlines()[0])]])
    f.close()
    return out


from scipy.optimize import minimize
from calc import query
import numpy as np

x0=np.array([[1.5,50,30]])

bnds = ((1, 2), (0.1, 100), (20, 100))

res=minimize(query,x0,method='SLSQP',bounds=bnds, options={'maxiter': 10 , 'disp': True}, callback=True)

当我运行脚本时，我在控制台中看到了循环，但似乎没有真正的值测试我的变量并且我得到了初始猜测：

Optimization terminated successfully.    (Exit mode 0)
            Current function value: [[ 1636.724]]
            Iterations: 1
            Function evaluations: 5
            Gradient evaluations: 1

虽然我知道对于这个问题，最小的问题是x_minimum=[1,0.1,100] 值大约为out=400的值（我必须减少变量的第一个和第二个值，并增加第三个值以获得更低的out）

我在这里做错了什么？

Answer 1

我的案例中的解决方案是改变步长，因为我的预测函数query

不均匀

res=minimize(query,args=(hist,ana),x0=x0,method='SLSQP',/
bounds=bnds, options={'disp': True ,'eps' : 1e0})

在我的情况下，搜索局部最小值没有意义，我现在在整数步骤中搜索最小值。

根据@ali_m，可以使用搜索全局最小值basinhopping来代替。我会在接下来的几天试一试

使用Scipy.optimize方法='SLSQP'返回初始猜测

1 个答案: