告訴scipy.optimize.minimize失敗

Question

我正在使用scipy.optimize.minimize對目標函數進行無限制優化，該目標函數接收幾個參數並根據這些參數運行復雜的數值模擬。這種模擬並不總是收斂，在這種情況下，我使目標函數返回inf，在某些情況下，在其他的NaN中。

我認爲這種黑客會阻止最小化在靠近一組參數的任何地方收斂，使得模擬發散。相反，我遇到了一種情況，即仿真對於初始參數集甚至不會收斂，但不失敗，優化在0次迭代中「成功」終止。它似乎不關心返回inf的目標函數。

有沒有辦法告訴scipy.optimize.minimize失敗，例如，通過提出某種例外。雖然在這種情況下，很明顯，優化沒有成功終止 - 因爲迭代次數爲0，並且我知道最佳結果 - 在某些時候，我想運行問題，但我不知道解決方案，我需要依靠最小化告訴我狗屎是否擊中粉絲。如果返回很多nans和infs不會「破壞」算法，我想我必須通過暴力來實現。

---

下面是幾乎迭代的例子。 功能 - 兩個變量的函數 - 被稱爲4倍過所有：
1）在起點 - >模擬發散，F（X）= INF
2）在點1E-5 （梯度近似） - >模擬收斂，f（x）= inf，其中f（x）=一些有限值
4）再次在起點 - >模擬發散，f（x）= inf

Answer 1

你有2個選擇，我能想到的：

• 齊齊約束優化
• 修改你的目標函數發散，只要您的數值模擬不收斂。基本上這意味着返回一個很大的值，相比於「正常」值，這取決於您手頭的問題。然後minimize將嘗試優化另一個方向

不過，我有些意外的是minimize不理解inf爲一個較大的值去，並不會嘗試去尋找另一個方向的解決方案。難道只有當你的目標函數返回nan時它才返回0次迭代？您可以通過在目標函數中的return聲明之前打印值來嘗試調試問題。