问题描述
我正在尝试使用 scipy.optimize.basinhopping 为具有许多潜在最小值的工程系统问题找到最佳解决方案。
用于估计流体系统条件和属性的分析方程内置于预先存在的非 Python 应用程序中。基于物理学和热力学，这些方程是理想的。然后使用系数修改或“调整”这些方程以匹配在实验室中测量的实际流体特性。我正在尝试使用 scipy.optimize.basinhopping 来找到最佳系数集，以最小化一系列属性（例如：压力、流速、湍流等）的预测误差或预测值与测量值之间的差异。误差是通过所有属性的简单 SSE 来衡量的。例如：
压力误差 = (Pprediced - Pmeasured)^2
Basinhopping 似乎正在努力寻找系统的解决方案，但它非常耗时。主要问题似乎是只有算法的步进部分可以工作，而最小化部分无法与外部应用程序调用一起工作。我正在尝试确定问题是出在我的实现上，还是根本无法使用外部应用程序进行优化。
这是我的实现：
minimizer_kwargs = {"method": "BFGS","options":{"maxiter":1,"disp": True,"return_all": True}}
basinhopping(tuningRun,[ 1.00,1.05,0.80,0.09,-1.22,0.45],niter = 500,minimizer_kwargs=minimizer_kwargs,disp =True))
tuningRun 是调用外部应用程序、插入系数并返回误差/成本函数的函数。
这是我看到的输出示例：
Solver iterations Final basinhopping output
从求解器迭代来看，成本/误差函数似乎在 BFGS 函数评估之间没有变化。在这种情况下，它保持在 152.08 不变。在这种情况下它的效率特别低，因为应用程序调用非常昂贵（约 70 秒）。同时查看最终输出中的 hess 和 jac 似乎该算法无法收集任何导数。我尝试过其他最小化算法，例如 COBYLA，这似乎并没有改变最小化问题。我的问题是是否有可能改进我的实现，以便盆地跳跃算法可以使用差异来采取更有效的步骤，或者在这种情况下是否不可能（因为正在优化的函数不在 python 中）并且我应该覆盖/转向-关闭最小化功能。
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@）