Python 在scipy上用optimize.fmin求收敛

我想用

scipy.optimize.fmin

最小化一个函数。请注意，在计算函数时，我强制打印

我的问题是，当我开始最小化时，打印的值会减小，直到达到某一点（值46700222.800）。在那里，它继续以非常小的比例下降，例如46700222.7974670022.7654670022.7454670022.6994670022.6884670022.678
直觉上，我觉得我已经达到了最小值，因为每一步的长度都是负1。但该算法一直运行，直到我得到一个“
函数求值的最大数量已超过”错误

我的问题是：当函数求值达到一个不再真正进化的值时（比方说，迭代后我的增益不超过1），我如何强制我的算法接受参数的值。我读到可以使用选项
ftol
，但它对我的代码绝对没有影响。事实上，我甚至不知道该为
ftol
设置什么值。我尝试了从0.00001到10000的所有方法，但仍然没有收敛。
从中可以看出，您确实希望更改
ftol
arg

发布您的代码，以便我们查看您的进度。
编辑：同时尝试增加
xtol
。
您的问题有点含糊不清。您是打印函数的值，还是打印函数的求值点

我对
xtol
和
ftol
的理解如下。迭代停止


迭代之间函数值的变化小于
ftol

及


当连续迭代之间
x
的变化小于
xtol

当您说“…接受参数的值…”时，这表明您应该更改
xtol
我刚刚花了三个小时研究了的源代码。其中，“while”循环函数“\u minimize\u neldermead”处理收敛规则：

if (numpy.max(numpy.ravel(numpy.abs(sim[1:] - sim[0]))) <= xtol and
               numpy.max(numpy.abs(fsim[0] - fsim[1:])) <= ftol):
    break"

if（numpy.max（numpy.ravel（numpy.abs（sim[1:]-sim[0]））实际上没有必要查看您的代码来解释正在发生的事情。我将逐一引用您的回答

我的问题是，当我开始最小化时，打印的值会减小
直到它达到某一点（值46700222.800）。它就在那里
继续以非常小的幅度减少，例如。，
46700222.7974670022.7654670022.7454670022.6994670022.6884670022.678

请注意，最后两个值之间的差值为
-0.00999979913837433
，即大约
1e-2
。在最小化算法的惯例中，您所称的值通常标记为
x
。如果在
n
第次迭代中同时满足这两个条件，则算法停止：


收敛于
x
：
x[n]
和下一次迭代
x[n+1]
之间的差值的绝对值小于
xtol
在
f（x）
：
f[n]
和
f[n+1]
之间差值的绝对值小于
ftol

此外，如果达到最大迭代次数，算法也会停止

现在请注意，
xtol
的默认值为
1e-4
，大约是您案例中出现的
1e-2
值的
100倍。然后，算法不会停止，因为
xtol
的第一个条件在达到最大迭代次数之前不会得到遵守

我读到ftol选项可以使用，但它绝对没有
对我的代码的影响。事实上，我甚至不知道该为什么值
ftol。我尝试了从0.00001到10000的所有方法，但仍然没有成功
趋同

这有助于您遵守
ftol
上的第二个条件，但第一个条件从未达到

要达到您的目标，请同时增加
xtol

在调试优化例程的收敛性时，以下方法也将在总体上帮助您


在要最小化的函数内部，在返回前打印
x
的值和
f（x）
的值。然后运行优化例程。从这些打印中，您可以确定
xtol
和
ftol
的合理值
考虑将问题无量纲化。如果
ftol
和
xtol
都默认为
1e-4
，这是有原因的。他们希望您制定问题，以便
x
和
f（x）
具有顺序
O（1）
或
O（10）
，表示介于
-100
和
+100
之间的数字。如果执行无量纲化，您将处理一个更简单的问题，您通常知道期望的值和所需的公差
如果您只对粗略的计算感兴趣，并且无法估计
xtol
和
ftol
的典型值，并且您知道（或希望）您的问题表现良好，即它将收敛，那么您可以在
try
块中运行
fmin
，只传递到
fmin
maxiter=20
（假设），并捕获有关已超过最大函数求值次数的
错误

正如我在帖子中所说，我试图更改arg ftol，但没有任何帮助。事实上，它对收敛没有任何影响。我甚至不知道它是否是0到1之间的常数。正如seth所说，请发布代码，否则除了发送更多文档链接之外，我们什么都做不了。我可以将我的问题改为：有人知道吗必须使用w ftol和xtol？有人知道当达到某个非进化水平时如何强制收敛吗？这完全独立于任何代码位。我是
global x_old, Q_old
if (np.absolute(x_old-x).sum() <= 1e-4) and (np.absolute(Q_old-Q).sum() <= 1e-4):
    return None
x_old = x; Q_old = Q

numpy.max(fsim[0] - fsim[1:]) <= ftol)