scipy.optimize.minimize 和 Minuit 返回初始猜测值答案

【问题标题】：scipy.optimize.minimize and Minuit returning initial guess valuescipy.optimize.minimize 和 Minuit 返回初始猜测值
【发布时间】：2020-02-26 00:16:01
【问题描述】：

我在使用 scipy.minimize.optimize 时遇到问题。这是我的代码。

from time import process_time 
import numpy as np
from scipy.optimize import minimize
class NMin(object):
    def __init__(self, error):
        self.error=error

    def func(self, N):
        i = np.arange(1, N+1)
        f = np.abs(np.sum(4/(N*(1+((i - 0.5)/N)**2))) - np.pi)-self.error
        return(f)

    def nMin(self):
        x0 = 1
        nMin = minimize(self.func, x0)
        return(nMin.x)


def main():
    t1_start = process_time()
    error=10**(-6)
    nMin = NMin(error).nMin()
    print("the minimum value of N is: " + str(nMin))
    t1_stop = process_time() 
    print("Elapsed time during the whole program in seconds:", 
                                         t1_stop-t1_start)

main ()

我正在尝试将函数 func(x) 相对于 N 最小化以找到 N 最小值，但 NMin(error).nMin() 似乎返回 x0 = 1 而不是 N 最小值。这是我的输出。

the minimum value of N is: [1.]
Elapsed time during the whole program in seconds: 0.015625

我对此感到非常困扰，因为我似乎无法找到问题所在，而且我不明白为什么 scipy.optimize 不起作用。

【问题讨论】：

标签： scipy-optimize-minimize

【解决方案1】：

scipy.optimize.minimize 主要用于连续可微函数。在 func 中使用 arange 会产生一个离散的问题。由于这些不连续性，这会导致梯度大幅跳跃（见下图）。

我添加了一些调试打印：

from time import process_time
import numpy as np
from scipy.optimize import minimize
class NMin(object):
    def __init__(self, error):
        self.error=error

    def func(self, N):
        print("func called N = {}".format(N))
        i = np.arange(1, N+1)
        print("i = {}".format(i))
        f = np.abs(np.sum(4/(N*(1+((i - 0.5)/N)**2))) - np.pi)-self.error
        print("f = {}".format(f))
        return(f)

    def nMin(self):
        x0 = 1
        nMin = minimize(self.func, x0)
        return(nMin.x)


def main():
    t1_start = process_time()
    error=10**(-6)
    nMin = NMin(error).nMin()
    print("the minimum value of N is: " + str(nMin))
    t1_stop = process_time()
    print("Elapsed time during the whole program in seconds:",
                                         t1_stop-t1_start)

main()

这会导致：

func called N = [1.]
i = [1.]
f = 0.05840634641020706
func called N = [1.00000001]
i = [1. 2.]
f = 1.289175555623012

也许您想使用更适合离散问题的不同求解器，或者更改您的目标以满足基于梯度的优化的连续性先决条件。

【讨论】：