在 scipy.optimize.minimize 回调函数中访问 OptimizeResult

Question

我正在尝试定义一个在优化时使用的回调函数。我只对每次迭代的当前目标函数值感兴趣。

文档表明，大多数优化方法，特别是 BFGS（我使用的方法），支持带有签名的回调函数：

callback(OptimizeResult: intermediate_result)

。但尝试访问 middle_result 的 fun 属性会抛出 AttributeError。

使用签名

callback(xk)

效果很好，仅访问当前迭代的参数。但为了在每次迭代中获得目标的价值，我需要重新评估目标，这是不可取的。

如何在回调中返回每次迭代的目标值，而不需要对目标进行冗余函数评估？

Answer 1

如果您阅读了紧密链接的文档，它会说：

请注意，参数名称必须为

intermediate_result

，回调函数才能传递

OptimizeResult

。

意思是，你不能将变量保留为

xk

并让它成为位置参数，它必须被称为

intermediate_result

并且必须是关键字参数。在 Python 3 中，您可以通过将

*

作为第一个参数来强制函数参数成为关键字参数（相关堆栈溢出问题）。

from scipy.optimize import minimize, rosen

def callback(*, intermediate_result):
    print(intermediate_result.fun)

x0 = [1.3, 0.7, 0.8, 1.9, 1.2]
res = minimize(rosen, x0, method="Nelder-Mead", tol=1e-6, callback=callback)