在最小化问题中保存中间结果

问题描述

我正在使用下一个代码运行最小化问题：

import numpy as np
from scipy.optimize import minimize

Nfeval = 1

def objective_fnc(x):
    ....
    return y

def callbackF(x):
    global Nfeval
    print('{0:4d}   {1: 3.6f}   {2: 3.6f}   {3: 3.6f}   {4: 3.6f}   {5: 3.6f}'.format(Nfeval,x[0],x[1],x[2],x[3],objective_fnc(x)))
    Nfeval += 1

res=minimize(objective_fnc,x0,method='Nelder-Mead',bounds=bnds,callback=callbackF,options={'disp': True})

我想在 txt 文件中保存中间结果，以防优化过程因任何原因停止。这个想法是在优化过程中只保存那些比前一个更好或更好的结果。

我可以使用之前定义的 callbackF 函数访问变量和目标函数。但是，我仍在努力弄清楚如何在方便时保存最佳结果。

解决方法

我的建议是这样的：

+-----------------------------------------------------+
| custom_field              |      sales_id           |
|-----------------------------------------------------|
|                           |                         |
|   {                       |   235324115             |
|  "sales_id_2": 235324115,|   1234351               |
|     "g": 12,|                         |
|     "r": 255              |                         |
|   }                       |                         |
|   {                       |   678322341             |
|  "sales_id_2": 1234351,|   5648561               |
|     "g": 13,|                         |
|     "r": 254              |                         |
|   }                       |                         |

在这里，您不需要丑陋的全局变量，回调会保存每个现在找到的解决方案，即目标函数值低于上一个找到的解决方案的解决方案。示例用法：

import numpy as np

class CallbackFunctor:
    def __init__(self,obj_fun):
        self.best_fun_vals = [np.inf]
        self.best_sols = []
        self.num_calls = 0
        self.obj_fun = obj_fun
    
    def __call__(self,x):
        fun_val = self.obj_fun(x)
        self.num_calls += 1
        if fun_val < self.best_fun_vals[-1]:
            self.best_sols.append(x)
            self.best_fun_vals.append(fun_val)
   
    def save_sols(self,filename):
        sols = np.array([sol for sol in self.best_sols])
        np.savetxt(filename,sols)

---

但是，如果您真的想为每个新找到的解决方案将所有解决方案写入文件，您可以修改回调，使其在每个新解决方案之后调用 cb = CallbackFunctor(objective_fun) res = minimize(objective_fun,x0=x0,callback=cb) print(cb.best_sols) # contains all your collected solutions print(cb.best_fun_vals) # contains the corresponding objective function values cb.save_sols("dummy.txt") # writes all solutions to a file 'dummy.txt' ：

save_sol