[英]Bounded optimization using the Hessian matrix (scipy)
我正在嘗試優化少量變量(從2到10)的函數。 我想做的是在有界超立方體上計算函數的最小值
[0,1] x [0,1] x ... x [0,1]
函數,其梯度和粗麻布的計算相對簡單,快速且准確。
現在,我的問題是這樣的:
使用scipy
,我可以使用scipy.optimize.minimize(..., method='Newton-CG')
或scipy.optimize.minimize(..., method='TNC')
來計算函數的最小值,然而:
有什么方法可以同時使用兩者嗎?
l-bfgs-b進行有限優化。 像任何准牛頓法一樣,它近似於黑森州。 但這通常比使用真正的黑森州更好。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.