替代scipy.optimize.minimize约束优化？

我有兴趣找到模型的优化参数（通过用已知值最小化模型的输出）。我感兴趣的参数有一定的界限，它们也受到看起来像1 - sum(x_par) >= 0的不等式的限制，其中x_par是总参数列表中的一些参数的列表。我已经使用scipy.optimize.minimize以不同的方法（如COBYLA和SLSQP）尽量减少这个问题，但这个功能的拟合性能很差，错误一般在50％以上。替代scipy.optimize.minimize约束优化？

我注意到scipy.optimize.curve_fit和scipy.optimize.differential_evolution在拟合给定值方面效果很好，但这些函数不允许对参数进行约束。我正在寻找python中的替代方案来优化我的问题，该问题允许约束参数，并且可以在拟合给定的曲线/值方面比scipy.optimize.minimize做得更好。

来源

2016-12-20 Pupil

您可能会感兴趣lmfit有用。这个模块是围绕许多scipy.optimized例程（包括leastsq,differential_evolution，大部分缩放最小化）的一个包装，用所有变量替换所有变量，这些对象可以是固定的或者是自由的，有界限的，或者被限制为数学表达式其他参数，全部独立于解决最小化问题的方法。还有一个支持许多曲线拟合问题的类，并支持改进的参数置信区间分析。

在谨慎的情况下，可以应用不平等约束，如在 http://lmfit.github.io/lmfit-py/constraints.html#using-inequality-constraints中简要讨论的那样。

来源

2016-12-22 02:24:48

我很好奇，如果方式参数被定义（使用一个对象）使得这个软件包不适合需要优化大量参数的问题吗？例如，我会事先知道该问题需要优化多少个参数，但由于大量参数的复杂性，我无法通过一个对象指定每个参数的“定义”。在这方面，'scipy.optimize.minimize'是灵活的，因为输入参数可以扩展为'x1，.. xn = x [0]，... x [n]' – Pupil

因为lmfit包装了scipy.optimize。最小化，它应该能够处理类似的复杂问题。 Lmfit将参数保存在有序字典中，以便您不必为索引指定含义。这可能看起来像一个小好处，但它允许用户方便地将任何参数从变化变为固定，而不必重写目标函数。但如果你想，你可以命名参数“1”，“2”，.....;） –

嗨...我怎么能实现约束'1 - sum（x_par）> = 0'？我不知道如何通过表达式来计算总和函数，这是您提供的链接中建议的会计不平等约束的一般方式。谢谢。 – Pupil

替代scipy.optimize.minimize约束优化？

回答

相关问题