[英]Python: Minimization of a function with potentially random outputs
我正在寻求最小化具有潜在随机输出的功能。 传统上,我会使用scipy.optimize库中的某些内容,但是我不确定如果输出不确定,它是否仍然可以使用。
这是我正在处理的问题的最小示例:
def myfunction(self, a):
noise = random.gauss(0, 1)
return abs(a + noise)
关于如何以算法最小化其预期(或平均值)值的任何想法?
只要可以“相对”接近实际值,则数值近似就可以了。
我们已经通过对许多可能的运行进行平均来降低噪声,但是该函数在计算上有点昂贵,并且如果可以帮助的话,我们不想进行更多的平均。
事实证明,对于我们的应用程序,使用scipy.optimize退火算法可以很好地估计局部最大值。
对于更复杂的问题,pjs指出Waeber,Frazier和Henderson(2011) 链接提供了更好的解决方案。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.