1
我有一个算法,其中:Python的双变量搜索算法
- 采用两个输入(X,Y),其中,x和y是在两个独立的泊松分布(http://en.wikipedia.org/wiki/Poisson_distribution#Definition) 所述的lambda'变量
- 计算泊松矢量用于每个x和y的,
- 计算两个泊松的矩阵乘积矢量
- 返回[总和(upper_quadrant),总和(lower_quadrant),总和(对角线)]
所以:
import math, random
def poisson(m, n):
p=math.exp(-m)
r=[p]
for i in range(1, n):
p*=m/float(i)
r.append(p)
return r
def simulate(mx, my, n):
r=[0.0 for i in range(3)]
px, py = (poisson(mx, n),
poisson(my, n))
for i in range(n):
for j in range(n):
if i > j:
k=0
elif i < j:
k=1
else:
k=2
r[k]+=px[i]*py[j]
return r
现在,我需要解决的X和Y,给出一组特定的输出。我已经砍死在一起下列求解器功能:
def solve(p, n, generations, decay, tolerance):
def rms_error(X, Y):
return (sum([(x-y)**2
for x, y in zip(X, Y)])/float(len(X)))**0.5
def calc_error(x, y, n, target):
guess=simulate(x, y, n)
return rms_error(target, guess)
q=[0, 0]
err=calc_error(math.exp(q[0]), math.exp(q[1]), n, p)
bestq, besterr = q, err
for i in range(generations):
if besterr < tolerance:
break
q=list(bestq)
if random.random() < 0.5:
j=0
else:
j=1
fac=((generations-i+1)/float(generations))**decay
q[j]+=random.gauss(0, 1)*fac
err=calc_error(math.exp(q[0]), math.exp(q[1]), n, p)
if err < besterr:
bestq, besterr = q, err
# print (i, bestq, besterr)
q, err = [math.exp(q) for q in bestq], besterr
return (i, q, err)
其作品,但似乎需要比较大量的尝试返回一个不是非常优化的响应:
if __name__=="__main__":
p, n = [0.5, 0.2, 0.3], 10
q, err = solve_match_odds(p, n,
generations=1000,
decay=2,
tolerance=1e-5)
print q
print simulate_match_odds(q[0], q[1], n)
print (i, err)
和:
[email protected]ad-X220:~/work/$ python solve.py
[0.5, 0.2, 0.3]
[0.5000246335218251, 0.20006624338256798, 0.29990837191131686]
(999, 6.680993630511076e-05)
[email protected]:~/work/$
我不是CS专业,我觉得我错过了这里所有的搜索文献。有人可以提出一个更好的方法来搜索像这样的二维空间中的变量吗?
谢谢。
不错,但我应该补充说,它需要在AppEngine上https://developers.google工作。 com/appengine/docs/python/tools/libraries27 – Justin 2013-03-21 08:01:52
您可以找到optimize.fmin()[here](http://www.mech.uq.edu.au/)使用的Nelder-Mead方法的Python源代码实现。课程/ mech2700/python-code/nelmin.py),虽然我没有亲自测试过它。 – Simon 2013-03-21 08:48:44
我仔细看了一下,你将不得不修改我稍微链接的代码,以将额外的参数'n'和'target'传递给目标函数,但这不会有什么大不了的,为更少的功能评估提供更高精度的好处。 – Simon 2013-03-21 08:57:05