时间戳

首页 > 解决方案 > 在搜索函数的最小值时，如何为有限差分梯度设置变量的最小变化？

python - 在搜索函数的最小值时，如何为有限差分梯度设置变量的最小变化？

问题描述

我想在 python y = f(x) 中找到函数的最小值

问题：求解器试图用超接近的 x 值（delta x 在 1e-8 附近）计算梯度，而我的函数 f 对这么小的步长不敏感（即，当 delta x 在 1e-1 附近时，我们可以看到 y 变化） . 因此，求解器的梯度为 0，无法找到合适的解。

我已经尝试过关注 scipy 的求解器，但找不到我正在寻找的选项..

scipy.optimize.minimize

scipy.optimize.fmin

在 Matlab fmincon 中，有一个选项可以完成“DiffMinChange”的工作：有限差分梯度的变量最小变化（正标量）。

标签： pythonoptimization

解决方案

您可能想尝试使用 scipy 中的 L-BFGS-B：

https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.fmin_l_bfgs_b.html

并提供大约 0.1/0.05 的“epsilon”参数，看看它是否会变得更好。我当然假设您将让求解器通过数值微分（即，您将 fprime=None 和 approx_grad=True 传递给例程）为您计算梯度。

我个人鄙视各种求解器的“最小化”界面，所以我更喜欢自己处理实际的求解器。

推荐阅读