这是我的代码：

Question

我对Python还是很陌生，我尝试最小化某些功能，但结果似乎不准确，或者至少与Matlab结果的差异太大。

我的两个问题是：（1）我是否可以假设结果的差异来自不正确的Python解决方案？（我之所以这样认为，是因为例如change（c1）/ change（y1）在Matlab中是不变的，正如我所认为的那样，而在Python中却有相当大的变化。）

（2）我该怎么做才能提高Python结果的准确性？

我已经尝试了其他方法（TNC，L-BFGS-B），并提供了解析梯度或更精确的数值梯度，以及其他例程（minimize_scalar with method ='Bounded'），但它们都提供了几乎相同的方法结果。

这是我的代码：

import numpy as np
from scipy.optimize import minimize
from scipy.optimize import Bounds

#need to define nu
def ut_fun(CC):
    if nu != 1:
        UU = (CC ** (1-nu) - 1) / (1-nu)
    else:
        UU = log(CC)                    
    return UU


#need to define RR, A1,y1,y2_L,y2_H,gamma,beta,bb
def obj_2per(c1):

    A2 = RR*A1 + y1 - c1

    c2_L = RR*A2 + y2_L
    U_L = ut_fun(c2_L)    
    c2_H = RR*A2 + y2_H
    U_H = ut_fun(c2_H)

    EV2 = gamma*U_L + (1-gamma)*U_H    
    mVV = - (ut_fun(c1) + beta*EV2)
    return mVV


nu      = 2
A1      = 0
bb      = 0
beta    = 0.96
RR      = 1/beta
y2_L    = 0.1
y2_H    = 0.2
gamma   = 0.5


#Pre-allocation in np arrays
y1_vec  = np.linspace(0.04,0.4,10)
c1_star  = np.zeros(len(y1_vec))

#Actual optimization:
c1_0 = 0.01

for ii in range(len(y1_vec)):
    y1      = y1_vec[ii]        
    ub      = RR*A1 + y1 - bb   
    bnds = [(-np.inf,ub)]    
    sol = minimize(obj_2per,c1_0,method='trust-constr', bounds=bnds)

    c1_star[ii]  = float(sol.x)        
    c1_0        = c1_star[ii];            

print(c1_star)

Python结果为： [0.03999284 0.07995512 0.11997128 0.14458588 0.16599669 0.18724888 0.20837178 0.22939139 0.25032751 0.27119543]

Matlab的结果是： 0.0399997050892807 0.0799994508682207 0.119999719341015 0.153878407968280 0.174286891630529 0.194695468467231 0.215103764323911 0.235511996564921 0.255920191410148 0.276328383256344

从第四项开始的结果差异太大。

不正确的技巧使界限最小化

这是我的代码：

0 个答案: