我想知道初始顶点x0的选择以及用于计算其他顶点的步骤如何影响Nelder-Mead算法给出的最终结果。 这是否容易在x0附近产生局部最优?
答案 0 :(得分:1)
是的,起点x0的选择会影响最小化的结果(这不是Nelder-Mead方法所特有的)。陷入局部最小化是一种非常现实的可能性。
认识到该方法使用单纯形(n个变量的情况下为n + 1个点)是很重要的。如果单面体与景观要素的大小相比较小,则轨迹将呈梯度状,接近最近的局部最小值。如果它很大,将会对该功能的景观进行更全面的调查。
例如,此算法的SciPy实现选择初始单纯形as follows:第k个顶点为x0,其第k个坐标增加5%(除非坐标为0,在这种情况下它为&# 39; s任意设定为0.00025)。如果您更好地了解应该探索哪些参数区域,请尝试自己选择initial_simplex
,以使其大小与搜索范围的大小相当。