枕:收敛度量

Question

我正在使用跳盆算法来优化多元成本函数。温度是影响跳频算法收敛时间的重要参数之一。我希望能够通过将成本函数值曲线拟合到当前的迭代，并确定它是否比以前的温度设置更快的收敛速度来确定basinhopping()的收敛速度。

下面是跳槽电话的样子：

res = basinhopping(cost, guess, niter=1, T=t, minimizer_kwargs={"method": "cobyla"})

有什么方法可以“实时”更新成本函数的当前值，这样我就可以进行自适应优化了吗？

Answer 1

你想通过一个变量函数的搜索来找到一个最优的T吗？

ftemperature( T ) = basinhopping( ... T=T ... ) .func  ?

如果是这样的话，请构建func T和res的历史列表，这些列表为您的Tsearch函数提供了如下内容：

# initialize history lists for a few T  (grid search) --
fhist, Thist, reshist = [], [], []

for T in [...]:
    res = basinhopping( cost, guess, T=T ... )
    print "T %.3g  func %.3g" % (T, res.func)
    fhist.append( res.func )
    Thist.append( T )
    reshist.append( res )

# search for new T --
while True:
    T = Tsearch( Thist, fhist )  # golden search or ...
    if T is None:  break
    res = basinhopping( cost, guess, T=T ... )
    print "T %.3g  func %.3g" % (T, res.func)
    fhist.append( res.func )
    Thist.append( T )
    reshist.append( res )

如果没有，请澄清。

(你可以在callback里面做同样的事情，就像@Jacob说的那样。)

(有一些更理想的方法来最小化一个变量的函数，参见例如标量。)

Answer 2

我不是百分之百肯定我理解你的问题，但基本跳跃参数callback听起来像你要找的东西。

顺便说一句，你想要做的事情听起来有点像本文中的冻结-Thaw贝叶斯优化