scipy.optimize 陷入局部极小值。我能做什么？

Question

 from numpy import *; from scipy.optimize import *; from math import *
def f(X):
    x=X[0];    y=X[1]
    return x**4-3.5*x**3-2*x**2+12*x+y**2-2*y

bnds = ((1,5), (0, 2))
min_test = minimize(f,[1,0.1], bounds = bnds); 
print(min_test.x)

我的函数 f(X) 在 x=2.557, y=1 处有一个局部最小值，我应该可以找到它。

上面显示的代码只会在 x=1 处给出结果。我尝试过不同的公差和所有三种方法：L-BFGS-B、TNC 和 SLSQP。这是我到目前为止一直在看的线程： Scipy.optimize: how to restrict argument values

我该如何解决这个问题？

我正在使用 Spyder(Python 3.6).

Answer 1

您刚刚遇到局部优化问题：它在很大程度上取决于您传入的起始（初始）值。如果您提供 [2, 1]，它将找到正确的最小值。

常见的解决方案是：

在你的边界内随机开始的循环中使用你的优化

import numpy as np
from numpy import *; from scipy.optimize import *; from math import *

def f(X):
    x=X[0];    y=X[1]
    return x**4-3.5*x**3-2*x**2+12*x+y**2-2*y

bnds = ((1,3), (0, 2))

for i in range(100):

    x_init = np.random.uniform(low=bnds[0][0], high=bnds[0][1])
    y_init = np.random.uniform(low=bnds[1][0], high=bnds[1][1])

    min_test = minimize(f,[x_init, y_init], bounds = bnds)

    print(min_test.x, min_test.fun)

使用可以摆脱局部极小值的算法，我可以推荐scipy的basinhopping()
使用全局优化算法并将其结果用作局部算法的初始值。建议使用 NLopt 的 DIRECT 或 MADS 算法（例如 NOMAD）。 scipy、shgo还有一个我还没试过

Answer 2

尝试scipy.optimize.basinhopping。它只是多次重复您的最小化过程并获得多个局部最小值。最小的那个是全局最小的。

minimizer_kwargs = {"method": "L-BFGS-B"}
res=optimize.basinhopping(nethedge,guess,niter=100,minimizer_kwargs=minimizer_kwargs)

scipy.optimize 陷入局部极小值。我能做什么？

scipy.optimize get's trapped in local minima. What can I do?

python

scipy

spyder

minimization