CMA-ES参数优化Python

Question

我是Python新手，我想将CMA函数应用于参数优化。我在R中使用了CMA_ES包，该示例的实现非常简单和清晰。现在，Python中的实现对我来说不是很清楚。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

itr=np.array([ 803.3333,788.3333,779.5000,765.8333,753.3333,735.8333, 
717.6666,704.6666,691.6666])
Tcell=np.array([39.5333,38.5499, 37.7999,37.5999, 
38.3333,37.4166,37.4166,37.3833,36.5666])

 #### THE MODEL######
 def pvwatts2(Pdc0,gammapdc,Tref):
 return itr/1000*Pdc0*(1+gammapdc*(Tcell-Tref))

 r=(pvwatts2(75,-0.005,25))

 ####THE ORIGINAL DATA########
 P=np.array([55.7666,54.6817,54.2812,
53.6679,52.6567,51.4856,50.4057,49.3098,48.8929])

 #####RMSE#########
  def RMSE(gammapdc):
      return np.sqrt(((pvwatts2(75,gammapdc,25)-P)**2).mean())

  print(RMSE(-0.005))# This is the value of RMSE 0.253590052077

现在，我希望在Python中的CMAES帮助下最小化RMSE。我知道gammapdc的理想值应该在-0.005左右，其中RMSE的值最小。

  ########################### MINIMIZING THE RMSE WITH CMA_ES########
   import cma
   help(cma.fmin)

对我来说，不清楚如何使用这个函数来获取gamapdc的值，以最小化RMSE。如有任何建议，将不胜感激。有什么可复制的例子我可以用吗？

Answer 1

Python中的CMA_ES优化不支持一维优化。因此，解决方案是添加一个额外的参数

Answer 2

如果你想优化一个一维函数，你不需要协方差矩阵调整，所以CMA可能不是你想要的。尽管如此，CMA还是提供了步长调整，甚至对于1D来说也可能很有趣，这非常简单，所以如果您愿意，可以自己实现它，请检查第五条成功规则。

我建议您从scipy.optimize API：https://docs.scipy.org/doc/scipy/reference/optimize.html开始，并查看第一部分Scalar函数优化。有很多方法更适合你的问题。