我正在尝试使用scipy中的l_bfgs约束优化例程来优化函数。 但优化例程将值传递给函数,而不是在Bounds中。
我的完整代码看起来像,
def humpy(aParams):
aParams = numpy.asarray(aParams)
print aParams
####
# connect to some other software for simulation
# data[1] & data[2] are read
##### objective function
val = sum(0.5*(data[1] - data[2])**2)
print val
return val
####
def approx_fprime():
####
Initial = numpy.asarray([10.0, 15.0, 50.0, 10.0])
interval = [(5.0, 60000.0),(10.0, 50000.0),(26.0, 100000.0),(8.0, 50000.0)]
opt = optimize.fmin_l_bfgs(humpy,Initial,fprime=approx_fprime, bounds=interval ,pgtol=1.0000000000001e-05,iprint=1, maxfun=50000)
print 'optimized parameters',opt[0]
print 'Optimized function value', opt[1]
####### the end ####
基于初始值(Initial)和bounds(interval) opt = optimize.fmin_l_bfgs()会将值传递给我的软件进行模拟,但传递的值应该在'bounds'中。不是这样的。见下面在各种迭代中传递的值
iter 1 = [ 10.23534209 15.1717302 50.5117245 10.28731118]
iter 2 = [ 10.23534209 15.1717302 50.01160842 10.39018429]
[ 11.17671043 15.85865102 50.05804208 11.43655591]
[ 11.17671043 15.85865102 50.05804208 11.43655591]
[ 11.28847754 15.85865102 50.05804208 11.43655591]
[ 11.17671043 16.01723753 50.05804208 11.43655591]
[ 11.17671043 15.85865102 50.5586225 11.43655591]
...............
...............
...............
[ 49.84670071 -4.4139714 62.2536381 23.3155698847]
在这次迭代中,-4.4139714传递给我的第二个参数,但它应该从(10.0,50000.0)变化,从哪里来-4.4139714我不知道?
我应该在哪里更改代码?这样它就传递了应该在边界中的值
答案 0 :(得分:1)
你试图在浮点数上执行按位异或(^运算符),这没有任何意义,所以我认为你的代码实际上并不是你遇到问题的代码。但是,我将^改为**,假设这是你的意思,并没有问题。这个代码对我来说很好。参数严格按照定义进行限制。
Python 2.5。
答案 1 :(得分:0)
你在问这样的事吗?
def humpy(aParams):
aParams = numpy.asarray(aParams)
x = aParams[0]
y = aParams[1]
z = aParams[2]
u = aParams[3]
v = aParams[4]
assert 2 <= x <= 50000
assert 1 <= y <= 35000
assert 1 <= z <= 45000
assert 2 <= u <= 50000
assert 2 <= v <= 60000
val=100.0*((y-x**2.0)^2.0+(z-y**2.0)^2.0+(u-z**2.0)^2.0+(v-u**2.0)^2.0)+(1-x)^2.0+(1-y)^2.0+(1-z)^2.0+(1-u)^2.0
return val