scipy.optimize.minimize
при использовании метода по умолчанию в качестве результата возвращается начальное значение без каких-либо сообщений об ошибках или предупреждений. При использовании метода Нелдера-Мида, предложенного этот ответ, решает проблему, я хотел бы понять:
Почему метод по умолчанию возвращает неправильный ответ без предупреждения в качестве отправной точки в качестве ответа - и есть ли способ защиты от "неправильного ответа без предупреждения" избежать такого поведения в этом случае?
Обратите внимание, что функция separation
использует пакет python Skyfield для генерации минимизируемых значений, что не гарантирует плавность, может быть поэтому Simplex здесь лучше.
ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ:
результат теста: [2.14159739] 'правильный': 2.14159265359 начальный: 0,0
результат по умолчанию: [10000.] 'правильный': 13054 начальный: 10000
Результат Нелдера-Мида: [13053.81011963] «правильный»: 13054 начальный: 10000
FULL OUTPUT using DEFAULT METHOD:
status: 0
success: True
njev: 1
nfev: 3
hess_inv: array([[1]])
fun: 1694.98753895812
x: array([ 10000.])
message: 'Optimization terminated successfully.'
jac: array([ 0.])
nit: 0
FULL OUTPUT using Nelder-Mead METHOD:
status: 0
nfev: 63
success: True
fun: 3.2179306044608054
x: array([ 13053.81011963])
message: 'Optimization terminated successfully.'
nit: 28
Вот полный сценарий:
def g(x, a, b):
return np.cos(a*x + b)
def separation(seconds, lat, lon):
lat, lon, seconds = float(lat), float(lon), float(seconds) # necessary it seems
place = earth.topos(lat, lon)
jd = JulianDate(utc=(2016, 3, 9, 0, 0, seconds))
mpos = place.at(jd).observe(moon).apparent().position.km
spos = place.at(jd).observe(sun).apparent().position.km
mlen = np.sqrt((mpos**2).sum())
slen = np.sqrt((spos**2).sum())
sepa = ((3600.*180./np.pi) *
np.arccos(np.dot(mpos, spos)/(mlen*slen)))
return sepa
from skyfield.api import load, now, JulianDate
import numpy as np
from scipy.optimize import minimize
data = load('de421.bsp')
sun = data['sun']
earth = data['earth']
moon = data['moon']
x_init = 0.0
out_g = minimize(g, x_init, args=(1, 1))
print "test result: ", out_g.x, "'correct': ", np.pi-1, "initial: ", x_init # gives right answer
sec_init = 10000
out_s_def = minimize(separation, sec_init, args=(32.5, 215.1))
print "default result: ", out_s_def.x, "'correct': ", 13054, "initial: ", sec_init
sec_init = 10000
out_s_NM = minimize(separation, sec_init, args=(32.5, 215.1),
method = "Nelder-Mead")
print "Nelder-Mead result: ", out_s_NM.x, "'correct': ", 13054, "initial: ", sec_init
print ""
print "FULL OUTPUT using DEFAULT METHOD:"
print out_s_def
print ""
print "FULL OUTPUT using Nelder-Mead METHOD:"
print out_s_NM
minimize
по умолчанию использует алгоритмы, которые требуют, чтобы ваша функция была гладкой. Если ваша функция не работает гладко, вы попадаете в ситуацию «мусор на выходе». - person cel   schedule 20.03.2016