为什么 scipy.optimize.basinhopping 给出不同的结果

Question

我需要找到复杂 function 的全局最小值。 我使用来自 scipy.optimize 的盆地跳跃。 当我更改方法时，例如 method="nelder-mead" vs "L-BFGS-B" 或初始猜测 x0，它们给了我不同的结果，特别是在我需要在下一步中使用的 x 值中。 x[5] = 0.6，“nelder-mead”，但 x[5]=0.0008，“L-BFGS-B”，尽管 function 值与 2055.7795 与 2055.7756 相似（所有这些都具有“成功：TRUE”）。 我认为盆地跳跃可以找到全局最小值。 因此，无论我使用什么方法或初始猜测，它都应该给出相同的结果。 任何人都可以解释为什么？ 并建议我应该怎么做才能找到全局最小值并检查它是否是全局的（不是本地的）。

谢谢

Answer 1

跳盆方法不能保证为任何 function 提供全局最小值。 它也不是确定性的，在探索附近的方式中有一个随机分量，如关于take_step参数a的帮助中所述

如果除了使用相同的方法之外，还想在两个不同的调用中重现相同的结果，则必须使用相同的seed参数。

同样使用相同的种子应该会增加使用不同的局部优化器方法给出相同结果的可能性。