是否有任何著名的优化库（理想情况下使用 Python 绑定甚至在 Python 中）支持（无约束）最小化（为了为了) 支持任意精度输入/输出？
我有一个（数学物理）问题，我真的想最小化到非常高的精度，例如标准例程scipy.optimize无法收敛到我想要的精度。任何想法表示赞赏 - 谢谢！
任意精度优化库？
计算科学
优化
Python
图书馆
2021-12-09 17:44:15
2个回答
来自 Julia 的 Optim.jl 将使用您提供的数字类型，因此如果您使用 BigFloats，它就会这样做。基于局部导数，无导数，全局，并与自动微分集成。来自 Julia，它只是：
using Optim
rosenbrock(x) = (1.0 - x[1])^2 + 100.0 * (x[2] - x[1]^2)^2
result = optimize(rosenbrock, big.(zeros(2)), BFGS())
那是使用任意精度的大浮点数，那么setprecision(512)这就是您设置位大小的方式。
要从 Python 中使用它，您可以通过pyjulia使用python3 -m pip install julia它，然后进行调用：
import julia
julia.install()
from julia import Base
from julia import Optim
def rosenbrock:
[(1.0 - x[0])^2 + 100.0 * (x[1] - x[0]^2)^2]
result = Optim.optimize(rosenbrock, [Base.big(0),Base.big(0)], Optim.BFGS())
应该是全部吗？（我没有仔细检查运行它，但是从diffeqpy我已经使用了一点，并且稍微推断了语义）
我唯一能想到的另一件事可能是 Boost 中的某些东西，因为大多数 Boost 都是模板化的。
Chris 代码在我的机器上不起作用，所以这是我的解决方案。
import julia
#julia.install() #<- this is probably needed for the first time
from julia.api import Julia
jl = Julia(compiled_modules=False)
#from julia import Base
from julia import Optim
pyrosen="((x,y),)->(1.0 - x)^2 + 100.0 * (y - x^2)^2; "
jl.eval("setprecision(512)")
result = jl.eval(
"rosenbrock="+pyrosen
+"res=Optim.optimize(rosenbrock, [Base.big(0.0),Base.big(0.0)],"
+"Optim.BFGS(),Optim.Options(g_tol=1e-150))")
args = jl.eval("Optim.minimizer(res)")
备注 1：您需要设置 和 的精度BigFloat才能Optim.optimize获得精确的结果。
备注2：起始向量应该有BigFloats，而不是BigInts，所以重要的是使用big(0.0)，而不是big(0)。
其它你可能感兴趣的问题