我正在尝试使用Scipy中的differential_evolution进行优化。
我有5个参数，我想使用bounds = [(0.0,1.0),(None, None),(0.0, 1.0),(0.0,1.0),(0, None)]。
但是我得到一个错误，我必须为每个参数提供(min, max)的真实的数字。
在使用differential_evolution时，是否有方法只为某些参数提供边界？
我可以切换到basinhopping来使用这样的边界，但我想使用differential_evolution，因为它不使用渐变。
2条答案
按热度按时间lyfkaqu11#
differential_evolution在将其转换为numpy数组以验证边界是否为numberes之后，在边界上使用numpy.isfinite，它返回False，用于np.inf和np.nan等值。您可以使用numpy的max和min
int值字符串
qhhrdooz2#
differential_evolution要求所有参数都有有限的边界。通常这不是问题，因为你通常可以猜测几个数量级内的边界。我不建议使用非常大的数字（例如，最大的int）来代替np.inf，因为算法生成的种群成员分布在该范围内，这可能非常低效。