您当前定义问题的方式等同于最大化bar
(假设您将func
传递给最小化函数)。由于您不会改变参数a
到e
,func
基本上是可以调整的常数和bar
的结果之间的差异;由于负号,它将被尝试最大化,因为那样会使整个功能最小化。
我想你实际上想要最小化的是两个函数之间的绝对值或平方差。我说明了用一个简单的例子,我假设函数只返回参数的总和:
from scipy.optimize import minimize
def foo(a, b, c, d, e):
# do something and return one value
return a + b + c + d + e
def bar(a, b, c, d, e, f, g, h, i, j):
# do something and return one value
return a + b + c + d + e + f + g + h + i + j
def func1(x):
# your definition, the total difference
return foo(x[0], x[1], x[2], x[3], x[4]) - bar(x[0], x[1], x[2], x[3], x[4], x[5], x[6], x[7], x[8], x[9])
def func2(x):
# quadratic difference
return (foo(x[0], x[1], x[2], x[3], x[4]) - bar(x[0], x[1], x[2], x[3], x[4], x[5], x[6], x[7], x[8], x[9]))**2
# Initial values for all variables
x0 = (0, 0, 0, 0, 0, 0.5, 0.5, 0.5, 0.05, 0.5)
# Constraints
# lb = [0,0,0,0,-0.9]
# ub = [1, 100, 1, 0.5, 0.9]
# for illustration, a, b, c, d, e are fixed to 0; that should of course be changed
bnds = ((0, 0), (0, 0), (0, 0), (0, 0), (0, 0), (0., 1), (0., 100.), (0, 1), (0, 0.5), (-0.9, 0.9))
res1 = minimize(func1, x0, method='SLSQP', bounds=bnds)
res2 = minimize(func2, x0, method='SLSQP', bounds=bnds)
然后你得到:
print res1.x
array([ 0. , 0. , 0. , 0. , 0. , 1. , 100. , 1. ,
0.5, 0.9])
和
print res1.fun
-103.4
如上所述,所有参数都将达到上限以使bar
最大化,其将func
最小化。
对于适应功能func2
,您将收到:
res2.fun
5.7408853312979541e-19 # which is basically 0
res2.x
array([ 0. , 0. , 0. , 0. , 0. ,
0.15254237, 0.15254237, 0.15254237, 0.01525424, -0.47288136])
因此,如预期,对于这个简单的情况下,可以选择参数的方式,这两个函数之间的差别变为0显然,结果你的参数不是唯一的,他们也可以是全部0.
我希望能帮助你的实际功能工作。
编辑:
至于你问least_square
,也能正常工作(从上面使用功能的定义);那么总差是确定:
from scipy.optimize import least_squares
lb = [0,0,0,0,0,0,0,0,0,-0.9]
ub = [0.1,0.1,0.1,0.1,0.1,1, 100, 1, 0.5, 0.9]
res_lsq = least_squares(func1, x0, bounds=(lb, ub))
然后收到相同的结果如上述:
res_lsq.x
array([ 1.00000000e-10, 1.00000000e-10, 1.00000000e-10,
1.00000000e-10, 1.00000000e-10, 1.52542373e-01,
1.52542373e-01, 1.52542373e-01, 1.52542373e-02,
-4.72881356e-01])
res_lsq.fun
array([ -6.88463034e-11]) # basically 0
如5个参数不会在这个问题而改变,我将它们固定到一定值并不会将它们传递给优化调用。
您是否尝试过'scipy'提供的'least_squares'方法?详细信息https://docs.scipy.org/doc/scipy-0.18.1/reference/generated/scipy.optimize.least_squares.html –
@Anil_M你究竟如何使用这个功能是我的问题? – Newtt