Skip to main content
 首页 » 编程设计

python之为 scipy.optimize.fmin(和其他)设置收敛标准

2025年05月04日14thcjp

我正在进行一项优化任务,其中成本函数评估非常昂贵,并且可以容忍一些错误。我正在使用 scipy.optimize 中的一些预先打包的 scipy 方法来开始。我正在使用的第一个是 fmin , 它实现了 nelder mead 单纯形算法。

此函数有两个收敛相关参数 xtol 和 ftol,它们 ( as I understand it ) 指定收敛标准,其中如果 x 或 f(分别为参数集和成本)在迭代中的变化小于 xtol 或 ftol,函数返回。

但是,由于成本函数对我来说太昂贵了,我还希望能够指定一个成本阈值,如果它找到一个成本低于阈值的点,它将立即返回。

是否可以为 scipy.optimize.fmin 指定此阈值?

奖金问题:我没有详细研究许多其他方法,但看起来这些方法也不存在此阈值选项。这是典型的 scipy 优化方法吗?尝试贡献此功能对我来说有值(value)吗?

请您参考如下方法:

对于任何可以表示为 x 函数的标准,都可以停止迭代。这里的想法是劫持 callback 方法并使用异常进行流量控制。这里有两个利用这个想法的解决方案:

from scipy.optimize import fmin_bfgs 
import numpy as np 
f = lambda x: np.linalg.norm(x**2) 
x0 = np.random.rand(100) 

解决方案一:

global result 
 
class SmallEnoughException(Exception): 
    pass 
 
def check_conv_criteria(xk): 
    global result 
    if np.linalg.norm(xk) < 0.1: 
        result = xk 
        raise SmallEnoughException() 
 
try: 
    x, _, _ = fmin_bfgs(f, x0, callback=check_conv_criteria) 
except SmallEnoughException: 
    x = result 

方案二:

class StopOptimizingException(Exception): 
    pass 
 
class CallbackCollector: 
 
    def __init__(self, f, thresh): 
        self._f  = f 
        self._thresh = thresh 
 
    def __call__(self, xk): 
        if self._f(xk) < self._thresh: 
            self.x_opt = xk 
            raise StopOptimizingException() 
 
try: 
    cb = CallbackCollector(f, thresh=0.2) 
    x, _, _ = fmin_bfgs(f, x0, callback=cb) 
except StopOptimizingException: 
    x = cb.x_opt