Python中的凸优化

Question

我最近对足球统计感兴趣。现在我想用Python 3.5（paper-link）实现着名的Dixon-Coles模型。

基本问题是，从论文中描述的模型中可以看出具有大量参数的似然函数，需要最大化。

例如：一个 Bundesliga 赛季的似然函数将产生37个参数。当然，我做了相应的负对数似然函数的最小化。我知道这个log函数严格来说是凸，因此优化不应该太困难。我还包括了分析梯度，但随着参数数量超过~10， SciPy-Package 的优化方法失败（scipy.optimize.minimize()）。

我的问题： 还有哪些其他优化技术，主要适用于涉及~40个独立参数的优化问题？

其他方法的一些提示会很棒！

Answer 1

您可能想看一下https://cvxopt.org/或https://www.cvxpy.org/之类的凸优化程序包。它基于Python，因此易于使用！

Answer 2

您可以使用Metaheuristic算法，该算法既可用于凸空间，也可用于非凸空间。可能最着名的一个是Genetic algorithm。它也很容易实现，概念很简单。遗传算法的美妙之处在于，您可以对其进行调整以解决大多数优化问题。