基于LevenbergMarquardt的自定义最小化scipy.optimize.basinhopping公司

Question

在python中，我很难最小化一个复杂的非线性函数。这个函数实际上是用来拟合实验数据的拟合模型的chiSquare。为了得到全局最小值，我使用了scipy中的basinhopping函数。此函数是minimize（）函数的包装器，该函数添加了一些扰动以查找不同的局部极小值。现在我的问题是找到局部极小值有困难。在

在minimize（）中可以使用许多解算器，由于我使用的是“L-BFGS-B”、“SLSQP”和“TNC”之间的边界。他们中没有一个真的能找到局部最小值。有没有基于流行的Levenberg-Marquardt算法的方法可以用来最小化？也许这没有意义，否则它就已经实现了，但我不明白为什么。在

我最初的想法是使用leastsqbound函数（https://pypi.python.org/pypi/leastsqbound），我知道这个函数很擅长提供精确的协方差矩阵，并且将其包含在一个更大的算法中，该算法将寻找全局最小值（如basinhopping函数）。你知道这样的事情是否已经存在吗？在

非常感谢你的建议！在

Answer 1

Scipy有一个Levenberg-Marquardt实现：scipy.optimize.leastsq。它没有与minimize（因此basin_hopping）一起使用的正确返回类型。不过，这似乎是可以直接补救的。在

虽然我还没有运行它，但这应该可以实现以下目的：

def leastsq_for_minimize( *args, **kwargs ):
    results = leastsq( *args, **kwargs )
    optimize_results = scipy.optimize.OptimizeResult()
    # Some code here to correctly copy results to optimize results
    return optimize_results

scipy.optimize.basinhopping(
    # your arguments here
    minimizer_kwargs=dict(method=leastsq_for_minimize),
    )

• minimize documentation
• basinhopping documentation：
• OptimizeResult documentation