如何強制scipy優化模塊的功能同時採取功能和其梯度

Question

我有一個相當複雜的函數f（x），我想優化，我使用scipy.optimize模塊中的fmin_bfgs函數來自Scipy。它迫使我給出最小化的函數和梯度f'（x）的函數，這是一個遺憾，因爲在評估函數f（x）時可以完成梯度的一些計算。

有沒有兩種功能結合的方式？我正在考慮保存這兩個函數所需的中間值，但我不知道fmin_bfgs函數是否保證f（x）先於f'（x）計算。

謝謝

Answer 1

您可以使用memoization緩存中間值。無論首先調用哪個函數，第二個函數都能夠利用memoized值。

---

cache={} 
def expensive_calc(x): 
    # If x is a numpy array, you need to convert x into something hashable so it 
    # can be used as a key in cache. 
    key=tuple(x) 
    try: 
     return cache[key] 
    except KeyError: 
     # do expensive calc for result 
     cache[key] = result 
     return result 

def func(x): 
    y=expensive_calc(x) 
    return something_based_on_y 

def func_der(x): 
    y=expensive_calc(x) 
    return something_else_based_on_y 

def optimize_fmin_bfgs(): 
    xopt = fmin_bfgs(func, x_guess, fprime=func_der) 

Answer 2

的scipy.optimize.minimize方法有一個名爲 「江淮」 參數。如果設置爲True，則最小化將期望可調用函數f（x）返回函數值及其導數。