从 scipy.optimize 到 nlopt 包使用的优化方法

Question

我目前有一个 objective 功能的黑匣子。它已在 scipy.optimize 和 'status=op.basinhopping(obj,sp,...)' 中成功使用，但是，当我尝试使用相同的 obj 到 NLOPT 包时，它给出了

的消息

TypeError: <lambda>() takes exactly 1 argument (2 given).

我假设obj for scipy.optimize有两个参数，一个是函数本身，另一个是每个维度的微分，而NLOPT方法中使用的obj只需要函数本身。如果我是对的，我应该如何修改 obj 以便它可以在 NLOPT 中使用？我使用 NLOPT

的代码

    sys.path.insert(0,os.path.join(os.getcwd(),"build/R_ulp"))
    import foo as foo_square
    reload(foo_square)
    sp=np.zeros(foo_square.dim)+args.startPoint
    obj=lambda X:foo_square.R(* X)
    opt = nlopt.opt(nlopt.GN_CRS2_LM, foo_square.dim)
    opt.set_min_objective(obj)
    opt.set_lower_bounds(-1e9)
    opt.set_upper_bounds(1e9)
    opt.set_stopval(0)
    opt.set_xtol_rel(1e-9)
    opt.set_initial_step(1)
    opt.set_population(0)
    opt.set_maxeval(100000) 
    status = opt.optimize([0.111111111]*foo_square.dim)

Answer 1

SciPy 优化器和 NLopt 对 objective 函数的签名有不同的约定。 documentation for the objective function in NLopt 说

The function f should be of the form:
def f(x, grad):
   if grad.size > 0:

等等

因此您需要创建一个 objective 函数，它接受两个参数，x 和 grad。如果grad.size > 0，函数必须用梯度填充数组。

从 scipy.optimize 到 nlopt 包使用的优化方法

Optimization methods used from scipy.optimize to nlopt package

python

lambda

scipy

nlopt

objective-function