在使用带有Scipy minimize的SLSQP时，如何为“eps”选择适当的值？

Question

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{}。在

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

Answer 1

根据docs，eps是

Step size used for numerical approximation of the jacobian.

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