Scipy 最小化和步长约束答案

【问题标题】：Scipy Minimization and stepsize constraintsScipy 最小化和步长约束
【发布时间】：2020-08-08 03:21:37
【问题描述】：

我使用scipy.optimize.minimize 函数，我有一个一维数组x0，里面有不同的参数。由于我使用不同的物理参数，例如，我不想对 2500K 数量级的温度进行 0.1 的迭代。所以我想对每个输入的函数迭代施加约束。我已经试过了：

x0 = [0.1, 10.0, 0.90,1200] #tau,star_diam,amC,Td
bounds = [ [0.005,1],[7,13],[0.05,1], [800,1500] ]

cons = []
for factor in range(len(bounds)):
    lower, upper = bounds[factor]
    l = {'type': 'ineq',
         'fun': lambda x, lb=lower, i=factor: x[i] - lb}
    u = {'type': 'ineq',
         'fun': lambda x, ub=upper, i=factor: ub - x[i]}
    cons.append(l)
    cons.append(u)


res = minimize(DUSTY_RUN,x0,args=(data_charac,lambda_max,lambda_min,DATA_DIR,INPUT_DIR), constraints=cons, method='COBYLA', options={'rhobeg': [0.01,0.01,0.01,100], 'maxiter': 5000, 'disp': False, 'catol': 1e-6})

在函数的选项中，rhoberg 选项被视为float，我尝试将其更改为列表/数组，但这并没有像我们猜测的那样改变任何东西。

【问题讨论】：

您不能在这些通用 NLP 求解器中强制一些优化路径。不过，您可以分解您的方法：outer 网格搜索或类似的 + inner NLP 用于本地优化/解决方案抛光。当然会有一些信息丢失，在评估网格点 x 时，您对未评估的网格点 y 一无所知。
@sascha 好的，我很害怕这种回答：/ 好吧，谢谢你，我会先研究网格方法 :)

标签： python python-3.x scipy minimize scipy-optimize

【解决方案1】：

rhoberg 是初始步骤，因此不直接控制后续步骤。您可以在 DUSTY_RUN 函数中添加参数缩放 - 因为您编写了 [0.01,0.01,0.01,100]，所以您可以将前三个乘以 1e4。

【讨论】：