我试图最小化一个非常长的函数（它是500000个子函数的总和），以便将一些参数拟合到概率模型。我使用scipy.optimize.minimize函数。我尝试了Powell和Nelder-Mead算法，而Powell在我的设置中看起来更快。但是，我真的不明白如何强制这个过程在给定的时间后给我一些结果，即使它们不是最佳的＆＃34;。
我填写了选项maxiter，maxfev，xtol和ftol，但我并不是真的了解这些选项，因为我试图提出{ {1}}在我的函数中，我注意到算法对它的评估超过print次，但是当它达到maxiter点时，它会发送一个错误＆＃34;达到最大迭代次数＆＃34;。 / p>
任何人都可以向我解释他们如何使用我正在使用的两种算法吗？该文件非常不清楚。
我的代码：
maxfev谢谢。
答案 0 :(得分：3)
你应该在scipy邮件列表，甚至scipy开发人员邮件列表上问这个问题，但是看看source code的Nelder-Mead算法，我注意到maxiter上的实际检查maxfev位于外部while循环中。函数在while循环中被调用多次，因此函数评估的实际数量可以轻松超过maxfev。
鲍威尔方法的main loop内部发生了类似的事情。对于该方法，在测试评估次数（N参数数量）之前，似乎评估函数N次。
我想这样做是因为否则核心循环中会有太多if语句检查maxfev，并且在内循环之外有条件被认为更快/更清楚。