Question

假设我有一个函数，它对数据的值表现不同（即：通过使用条件）。是否可以使用fmin优化此类函数，以便找到最大化输出的值？

这就是我目前拥有的原因：

def bogus_function(x):
    if x[0] > 5 or x[1] > 5:
        return 20
    elif x[1] > 2:
        return x[0]*x[1]
    else:
        return -1

test = lambda x: -bogus_function(x)
results = fmin(test,[0,0])

这是“卡住”的地方，因为打印结果并查看优化过程，算法尝试相同的初始猜测而不更改值。

Optimization terminated successfully.
     Current function value: 1.000000
     Iterations: 16
     Function evaluations: 63

>>> results
(array([ 0.,  0.]),
 [array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.]),
  array([ 0.,  0.])])

在这种情况下，bogus_function最佳值为：[5,5]，这使得最终的最大值等于25.任何想法是否可以进行这种优化？谢谢！

Answer 1

如上所述，x = [0,0]有资格作为局部最小值：你稍微偏离它，并且函数的值不会改变。你可能想要一些非常数的东西。

一般而言，对于许多优化算法而言，重要的是您的功能是连续的还是可区分的。有些算法可以处理缺乏平滑性，有些则不能。

Scipy fmin根据条件优化功能

1 个答案: