Question

目前，我正在使用scipy库中的盆地跳跃法来找到优化我的目标函数的最优x（其中x由4个因子组成）。当我让它运行几次时，每次运行都会给我不同的结果。有没有办法使结果更一致（即在多次迭代中函数的最小化参数相同）？

cons = [
    {
        'type': 'eq',
        'fun': lambda x: x[0] + x[1] + x[2] - 1
    },
    {
        'type': 'ineq',
        'fun': lambda x: (w_0 / prob_death(T)[T-1]) - x[3]
    },
    {
        'type': 'ineq',
        'fun': lambda x: x[3] - 10000
     }
]

bounds = ( (0, 1), (0, 1), (0, 1), (0, 1'000'000)) )

res = basinhopping(func = utility_expected,
          x0 = np.array([0.33, 0.33, 0.33, 50000]),
          minimizer_kwargs = {"method": 'SLSQP',
          "bounds": bounds,
          "constraints": cons,
          "options": {
              "eps": 0.01,
              "ftol": 0.001
              }
          }, 
          disp = False,
          interval = 40,
          niter = 250)

Answer 1

因此，我对scipy的盆地跳跃特别不熟悉，但是如果我没看错，您给它的epsilon为0.01，可用于Jacobian的数值逼近。但是，变量的比例差异很大。（0-1与0-1000000），这可能会给您带来怪异的行为。考虑将第四个变量缩放为0-1。

此外，对于您要求优化器执行的操作而言，250次迭代确实是一个很小的数目。尝试使其运行更长。

全局优化：如何更一致地找到相同的最小值？

1 个答案: