Question

我有一个相当复杂的函数f（x），我想优化，我正在使用Scipy的scipy.optimize模块中的fmin_bfgs函数。它迫使我分别给出函数最小化和渐变f'（x）的函数，这是一个遗憾，因为在评估函数f（x）时可以完成梯度的一些计算。

有没有办法结合这两种功能？我正在考虑保存两个函数所需的中间值，但我不知道fmin_bfgs函数是否保证f（x）在f'（x）之前得到评估。

谢谢

Answer 1

scipy.optimize.minimize方法有一个名为“jac”的参数。如果设置为True，则最小化将使可调用的f（x）都返回函数值及其导数。

Answer 2

您可以使用memoization缓存中间值。无论首先调用哪个函数，第二个函数都可以利用memoized值。

cache={}
def expensive_calc(x):
    # If x is a numpy array, you need to convert x into something hashable so it
    # can be used as a key in cache.
    key=tuple(x)
    try:
        return cache[key]
    except KeyError:
        # do expensive calc for result
        cache[key] = result
        return result

def func(x):
    y=expensive_calc(x)
    return something_based_on_y

def func_der(x):
    y=expensive_calc(x)
    return something_else_based_on_y

def optimize_fmin_bfgs():
    xopt = fmin_bfgs(func, x_guess, fprime=func_der)

如何强制scipy优化模块的功能同时取一个函数及其渐变

2 个答案: