Performance 为什么Nelder Mead在scipy中的每次迭代都如此缓慢？
我正在尝试使用scipy.minimize（method='Nelder-Mead'）中实现的Nelder-Mead最小化函数。该函数大约有30个输入，但我一直在按顺序优化（即，在前5个输入上进行优化，保持其余25个输入不变，然后逐渐增加要最小化的变量数量）。 （我没有使用基于梯度的方法，因为我的目标函数中存在模拟噪声，这使得步长太小时不平滑，梯度不可靠） 但是，迭代非常缓慢。如果我对单个函数计算的步骤计时，大约需要60秒，但是优化中的每个迭代都非常慢，至少慢于10分钟。我使用回调函数选项来计算所花费的时间 它在每次迭代中做什么？它在初始单纯形中实际需要N^2个步骤吗？算法的每一步都做了什么？我知道这与Matlab实现不同，Matlab实现每次迭代只需要一个步骤（如果收缩或扩展单纯形，有时需要更多步骤）。还是仅仅是调用回调函数的时间问题 顺便说一句，我在Jupyter笔记本上运行这个。但我已经让它运行了3天多，只完成了221次迭代，需要优化20个变量；平均每次迭代超过20分钟Performance 为什么Nelder Mead在scipy中的每次迭代都如此缓慢？,performance,scipy,minimize,simplex,Performance,Scipy,Minimize,Simplex,我正在尝试使用scipy.minimize（method='Nelder-Mead'）中实现的Nelder-Mead最小化函数。该函数大约有30个输入，但我一直在按顺序优化（即，在前5个输入上进行优化，保持其余25个输入不变，然后逐渐增加要最小化的变量数量）。 （我没有使用基于梯度的方法，因为我的目标函数中存在模拟噪声，这使得步长太小时不平滑，梯度不可靠） 但是，迭代非常缓慢。如果我对单个函数计算的步骤计时，大约需要60秒，但是优化中的每个迭代都非常慢，至少慢于10分钟。我使用回调函数选项来计算