使用scipy进行优化

问题内容：

在以下脚本中：

import numpy as np
from scipy.optimize import minimise

a=np.array(range(4))
b=np.array(range(4,8))

def sm(x,a,b):
      sm=np.zeros(1)
      a=a*np.exp(x)
      sm += sum(b-a)
      return sm

 x0=np.zeros(4)
 print sm(x0,a,b) #checking my function

 opt = minimize(sm,x0,args=(a,b),method='nelder-mead', 
 options={'xtol': 1e-8,     'disp': True})

我正在尝试针对x进行优化，但是出现以下消息：

警告：超过了功能评估的最大数量。

结果是：

数组（[–524.92769674，276.6657959，185.98604937，729.5822923]）

这不是最佳选择。我的问题是我是否收到此消息和结果，因为起点不正确？

问题答案：

您的功能sm似乎是不受限制的。随着您的增加x，它sm会变得越来越消极，因此它会变成事实-inf。

回复：注释-如果您想使其sm()尽可能接近零，请将函数定义中的最后一行修改为read return abs(sm)。

这使函数的绝对值最小化，使其接近于零。

您的示例结果：

>>> opt = minimize(sm,x0,args=(a,b),method='nelder-mead', options={'xtol': 1e-8,     'disp': True})
Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 153
         Function evaluations: 272
>>> opt
  status: 0
    nfev: 272
 success: True
     fun: 2.8573836630130245e-09
       x: array([-1.24676625,  0.65786454,  0.44383101,  1.73177358])
 message: 'Optimization terminated successfully.'
     nit: 153

使用scipy进行优化

微信关注