我编写了以下优化代码:
guess = [1/6] * 6
bounds = [(0.0,1.0)] * 6
cons = {'type': 'eq', 'fun': lambda x: 1 - sum(x)}
result = minimize(function, guess, (instrument, sample),\
bounds=bounds, method='SLSQP', tol=0.01, constraints=cons,\
options={'disp': False ,'eps' : 1e-2})
结果应该是一个长度为6的向量,每个值为0<x<1
和{
我已经设置了一个0.01的公差,我相信这意味着优化器将在它小于最小值的1%时终止。在
我不明白的是'eps'
这个词。我不太清楚这意味着什么,或者它与公差设置有什么关系。我如何选择一个合理的价值,过高或过低的后果是什么?在
根据docs,
eps
是在“使用浮点运算的实际考虑”一节中,您可以找到一些非常具体的指导
相关问题 更多 >
编程相关推荐