Question

我正在尝试使用BFGS算法最小化带有Optim.jl库的多个参数的函数。

在Optim库的GitHub网站上，我找到了以下工作示例：

using Optim
rosenbrock(x) = (1.0 - x[1])^2 + 100.0 * (x[2] - x[1]^2)^2
result        = optimize(rosenbrock, zeros(2), BFGS())

让我们说我的目标函数是：

fmin(x, a) = (1.0 - x[1])^a + 100.0 * (x[2] - x[1]^2)^(1-a)

如何使用优化传递额外的 - 常量 - 参数 a ？

Answer 1

最简单的方法是传递一个变量的匿名函数，该函数使用参数集调用原始函数。例如，使用fmin的变体：

julia> fmin(x, a) = (1.0 - x[1])^a + 100.0 * (x[2] - x[1]^2)^(a)
fmin (generic function with 1 method)

julia> r = optimize(x->fmin(x, 2), zeros(2), BFGS());

julia> r.minimizer, r.minimum
([1.0,1.0],5.471432684244042e-17)

或者，您可以为一个变量创建一个单独的命名函数，该函数将关闭您喜欢的任何参数。在Python中args中没有等效的scipy.optimize.minimize，你可以将非变量参数分别作为元组AFAIK传递。

Julia：最小化具有多个参数的函数（BFGS）

1 个答案: