SciPyPythonを使用してネルダーミードアルゴリズムを実装する方法を説明してください。

SciPyライブラリを使用すると、複雑な科学計算を高速かつ高効率で実行できます。ネルダーミードアルゴリズムは、単純探索アルゴリズムとも呼ばれます。

これは、パラメーター推定の問題や統計上の問題を解決するために使用できる最高のアルゴリズムの1つと見なされています。関数の値が不確実であるか、それに関連するノイズが多い状況でこのアルゴリズムを使用することに関連しています。

このアルゴリズムは、統計で頻繁に発生する不連続関数を処理するためにも使用できます。これは単純なアルゴリズムであり、理解も簡単です。多次元の制約のない最適化の場合に、非線形関数のパラメーターを最小化するために使用されます。

時間がかかる可能性があるため、このアルゴリズムを使用して最適なグラデーション値を見つけることはお勧めしません。

例を見てみましょう-

例

import numpy as np
from scipy.optimize import minimize
def f(x):
   return .6*(1 - x[0])**2
scipy.optimize.minimize(f, [2, -1], method="Nelder-Mead")

出力

final_simplex: (array([[ 1. , -1.27109375],
   [ 1. , -1.27118835],
   [ 1. , -1.27113762]]), array([0., 0., 0.]))
   fun: 0.0
   message: 'Optimization terminated successfully.'
      nfev: 147
      nit: 69
   status: 0
   success: True
x: array([ 1. , -1.27109375])

説明

• 必要なライブラリがインポートされます。

• 引数として値を取り、その値に対していくつかの数学的な計算を実行する関数「f」が定義されています。

• この関数は、関数定義の外部で、値を計算する「f」関数に対して呼び出されます。

• この関数は、「scipy」ライブラリの「optimize」クラスにある「minimize」関数にパラメータとして渡されます。

• この出力はコンソールに表示されます。