Python 张量流能用于多元函数的全局极小化吗?
我一直很好奇TF是否可以用于函数的全局优化。例如,它能有效地找到Lennard-Jones势的基态吗?它会比现有的优化方法更好还是更差,比如跳池 我研究的一部分涉及到寻找大型多组分分子的基态。传统的方法(BH,etc.)对此很好,但也相当缓慢。我已经研究了TF,有一些部分似乎足够强大,可以应用于这个问题,尽管我有限的网络搜索似乎没有显示TF对这个问题的任何用途。训练神经网络的方法只考虑了函数的局部区域。因此,无法保证它会收敛到全局最小值(对于大多数机器学习算法来说,这实际上是很好的;考虑到所考虑的空间的真正高维性,人们通常乐于找到一个好的局部最小值,而不必过多地探索) 话虽如此,我们当然可以使用Tensorflow(或任何此类框架)为全球盆地跳跃方案实施局部优化器,例如如下(简化算法):Python 张量流能用于多元函数的全局极小化吗?,python,tensorflow,mathematical-optimization,Python,Tensorflow,Mathematical Optimization,我一直很好奇TF是否可以用于函数的全局优化。例如,它能有效地找到Lennard-Jones势的基态吗?它会比现有的优化方法更好还是更差,比如跳池 我研究的一部分涉及到寻找大型多组分分子的基态。传统的方法(BH,etc.)对此很好,但也相当缓慢。我已经研究了TF,有一些部分似乎足够强大,可以应用于这个问题,尽管我有限的网络搜索似乎没有显示TF对这个问题的任何用途。训练神经网络的方法只考虑了函数的局部区域。因此,无法保证它会收敛到全局最小值(对于大多数机器学习算法来说,这实际上是很好的;考虑到所考虑