Оптимизация параметров с использованием генетического алгоритма?

Question

Я пытаюсь оптимизировать параметры для известной функции, чтобы соответствовать экспериментальной диаграмме данных. Функция довольно участвует

где х увлекает ноу набор чисел и р, г и с являются независимыми параметрами, которые будут оптимизированы. Любые идеи или ресурсы, которые могут быть полезны?

Answer 1

Устал ли вы старый добрый Levenberg-Marquardt как реализован в Levenberg-Marquardt.vi. Если это не соответствует вашим потребностям, вы можете попробовать Waptia library для LabVIEW с использованием одного из реализованных генетических алгоритмов.

Answer 2

Я бы не рекомендовал генетические алгоритмы. Вместо этого перейдите на Оптимизацию вперед.

Scipy имеет некоторые ресурсы.

Вы не указали какие-либо данные или нет, так что я просто отправлю что-то, что должно бежать. Ниже вы можете начать. Я не знаю, работает ли это, не видя данных. Кроме того, вероятно, есть способ динамически подавать objectivefunc ваши данные x и y. Это, вероятно, в документах до scipy.optimize.minimize.

Что я сделал. Создайте функцию для минимизации. Здесь я назвал его objectivefunc. Для этого я взял вашу функцию y = x^2 * p^2 * g/... и преобразовал ее в форму x^2 * p^2 * g/(...) - y = 0. Затем соберите левую сторону и попытайтесь свести ее к минимуму. Поскольку у вас будет несколько выборок данных (x/y), я бы минимизировал сумму квадратов. Поместите все это в функцию и передайте ее до минимума из scipy.

import numpy as np 
from scipy.optimize import minimize 

def objectivefunc(pgq): 
    """Your function transformed so that it can be minimised. 
    I've renamed the input pgq, so that pgq[0] is p, pgq[1] is g, etc. 
    """ 
    p = pgq[0] 
    g = pgq[1] 
    q = pgq[2] 
    x = [10, 9.4, 17] # Some input data. 
    y = [12, 42, 0.8] 
    sum_ = 0 
    for i in range(len(x)): 
     sum_ += (x[i]**2 * p**2 * g - y[i] * ((c**2 - x**2)**2 + x**2 * g**2))**2 
    return sum_ 

pgq = np.array([1.3, 0.7, 0.5]) # Supply sensible initivial values 
res = minimize(objectivefunc, pgq, method='nelder-mead', 
      options={'xtol': 1e-8, 'disp': True})