问题描述
我正在使用 scipy.optimize.basinhopping 运行一个优化问题，它有大约 7 个维度。对于局部优化阶段，某些维度能否在雅可比矩阵中返回假零梯度？
背景： 其中五个是离散的（电感器和电容器），我已经说过大约 5 个候选值，每个值都是库存中的实用值。两个变量（天线长度和偏移量）是连续变量。
能量函数是一个复杂的叠加，利用两个数值模拟，没有封闭形式的公式可用。 （NEC2 使用矩量法；在 LT-Spice 中，我需要为我的设计计算时域瞬态）。这两个数值模拟器使用 maxima 作为线性求解器连接在一起。所以，在我的能量函数中，我将这些多个程序分叉为几个外部子进程——数据的编组/分叉/解析的成本是，假设，每次迭代大约为 O(1) 秒。
带走：大约有 3000 种 5x 离散维度的组合，因此运行时间仅为 O(1) 小时。我不介意蛮力。但是，对于剩余的 2x 连续值维度，我想做梯度下降。
问题：除了我总是盲目地为雅可比矩阵中的 5 个离散维度返回零梯度之外，我可以使用雅可比梯度运行盆地跳跃以从局部优化器中受益吗？
在这种情况下，内部局部优化器会做什么？它只会探索具有非零雅可比行列式的两个连续值维度吗？或者它会被 5 个离散维度的零梯度混淆，因为这是一个善意的谎言？
提前致谢。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）