Question

到目前为止，我理解使用方法Trust-ncg的最小化函数，＆＃34;特定方法＆＃34;参数＆＃34; max_trust_radius＆＃34;是新步骤优化的最大值。但是，我经历了一种奇怪的行为。我在博士学位数据中工作，我有一个调用最小化函数的代码（使用信任ncg方法）传递参数

{
   'initial_trust_radius':0.1,
   'max_trust_radius':1,
   'eta':0.15,
   'gtol':1e-5,
   'disp': True
}

我调用最小化函数：

res = minimize(bbox, x0, method='trust-ncg',jac=bbox_der, hess=bbox_hess,options=opt_par)

其中

bbox是评估目标函数的函数
x0是最初的猜测
bbox_der是渐变函数
bbox_hess hessian function
opt_par是上面带有参数的字典。

Bbox调用模拟代码并获取数据。它有效：最小化来回，提出新值，bbox调用模拟。

一切顺利，直到我遇到一个奇怪的问题。＆＃34; x＆＃34;向量包含8个值。我意识到其中一个迭代，最后一个值大于1。根据max_trust_radius，我认为它应该小于1，但它是1.0621612802208713e + 00 该问题导致问题，因为bbox无法接收大于1的值，因为它调用模拟程序并且存在一个约束，它无法接收1或大于1。

我找到了scipy代码并试图查看我是否能够找到错误或错误但我不是。

我主要担心的是：

我的理解是scipy最小化代码中存在一个错误，因为新值大于max_trust_radius。
如何操作或控制值以避免值大于1？
您是否建议调查此问题？

Answer 1

max_trust_radius控制您可以采取的步骤的大小：

max_trust_radius : float
                   Maximum value of the trust-region radius.
                   No steps that are longer than this value will be proposed.

由于你很可能在最小化期间采取了很多步骤，每一步都可以达到1长，所以你（假设||x0||=0）以{{||x|| > 1结束并不奇怪1}}。

如果您的问题严格受限，那么您需要应用支持参数边界的优化算法。对于scipy.optimize.minimize仅L-BFGS-B，TNC和SLSQP方法似乎支持bounds=关键字。

使用trust-ncg方法最小化函数建议值大于max_trust_radius

1 个答案: