Powell 方法中的边界 Scipy
Boundary in Powell method Scipy
让我们最小化函数
f =lambda x: (x+1)**2
在scipy
中使用鲍威尔方法
如果我们使用
scipy.optimize.minimize(f, 1, method='Powell', bounds=None)
return是
direc: array([[1.]])
fun: array(0.)
message: 'Optimization terminated successfully.'
nfev: 20
nit: 2
status: 0
success: True
x: array(-1.)
即最小值应该是 -1。如果我们提供边界
scipy.optimize.minimize(f, 1, method='Powell', bounds=[(0,2)])
return又是
direc: array([[1.]])
fun: array(0.)
message: 'Optimization terminated successfully.'
nfev: 20
nit: 2
status: 0
success: True
x: array(-1.)
现在错了!正确答案应该是 0。就像不考虑边界一样。我正在使用 scipy '1.4.1' 和 python 3.7.6。
有人知道吗?
使用 scipy 1.4.x Powell 方法无法处理约束和边界,如您所见 here. Updating to scipy 1.5.x, it can handle bounds, see here:
In [11]: scipy.optimize.minimize(f, x0=1.0, method='Powell', bounds=[(0.0,2.0)])
Out[11]:
direc: array([[1.64428414e-08]])
fun: array(1.)
message: 'Optimization terminated successfully.'
nfev: 103
nit: 2
status: 0
success: True
x: array([2.44756652e-12])
我想补充一点,我也注意到 Powell 方法倾向于探索越界参数。
让我们最小化函数
f =lambda x: (x+1)**2
在scipy
中使用鲍威尔方法如果我们使用
scipy.optimize.minimize(f, 1, method='Powell', bounds=None)
return是
direc: array([[1.]])
fun: array(0.)
message: 'Optimization terminated successfully.'
nfev: 20
nit: 2
status: 0
success: True
x: array(-1.)
即最小值应该是 -1。如果我们提供边界
scipy.optimize.minimize(f, 1, method='Powell', bounds=[(0,2)])
return又是
direc: array([[1.]])
fun: array(0.)
message: 'Optimization terminated successfully.'
nfev: 20
nit: 2
status: 0
success: True
x: array(-1.)
现在错了!正确答案应该是 0。就像不考虑边界一样。我正在使用 scipy '1.4.1' 和 python 3.7.6。 有人知道吗?
使用 scipy 1.4.x Powell 方法无法处理约束和边界,如您所见 here. Updating to scipy 1.5.x, it can handle bounds, see here:
In [11]: scipy.optimize.minimize(f, x0=1.0, method='Powell', bounds=[(0.0,2.0)])
Out[11]:
direc: array([[1.64428414e-08]])
fun: array(1.)
message: 'Optimization terminated successfully.'
nfev: 103
nit: 2
status: 0
success: True
x: array([2.44756652e-12])
我想补充一点,我也注意到 Powell 方法倾向于探索越界参数。