告诉scipy.optimize.minimize失败

Question

我正在使用scipy.optimize.minimize来无限制地优化目标函数，该目标函数接收几个参数并基于这些参数运行复杂的数值模拟。这个模拟并不总是收敛，在这种情况下，我使目标函数返回inf，在某些情况下，在其他NaN。

我认为这种黑客攻击可以防止最小化聚集在一组参数附近，使模拟发生分歧。相反，我遇到了一种情况，即模拟甚至不会收敛起始参数集，但是不是失败，优化会在0次迭代时“成功”终止。它似乎并不关心返回inf的目标函数。

有没有办法告诉scipy.optimize.minimize失败，例如通过提出某种例外。虽然在这种情况下很明显，优化没有成功终止 - 因为0迭代和我知道最佳结果的事实 - 在某些时候我想运行我不知道解决方案的问题，我需要依靠最小化告诉我是不是打了风扇。如果返回大量的nans和infs并没有“破坏”算法，我想我将不得不通过暴力破解。

---

以下是几乎迭代的样子。 函数 - 两个变量的函数 - 被称为4次：
1）在起点 - ＆gt;模拟发散，f（x）= inf
2）在右边1e-5点（梯度近似） - ＆gt;模拟发散，f（x）= inf
3）在1e-5点（grad.appr。） - ＆gt;模拟收敛，f（x）=某个有限值
4）在起点再次 - ＆gt;模拟发散，f（x）= inf

Answer 1

我有两个我能想到的选择：

• 选择约束优化
• 修改目标函数，以便在数值模拟不收敛时发散。基本上这意味着返回一个较大的值，与“正常”值相比较大，这取决于您手头的问题。 minimize然后将尝试优化向另一个方向前进

但我有点惊讶minimize不理解inf作为一个大值，并且不会试图寻找另一个方向的解决方案。可能只有当你的目标函数返回nan时才会返回0次迭代吗？您可以尝试通过在目标函数中的return语句之前打印值来调试问题。