MatlabとPythonの最適化アルゴリズム（dog-leg trust-region）

Question

MatlabとPythonのdog-leg信頼領域アルゴリズムを使用して非線形方程式を解いています。

Matlabにはfsolveがあります。このアルゴリズムはデフォルトですが、Pythonではscipy.optimize.minimizeに 'dogleg'を指定しています。 MatlabにはJacobianとHessianを指定する必要はありませんが、Pythonでは問題を解決するためにどちらか一方が必要です。

私はヤコビアン/ヘッセンを持っていないので、この問題を回避する方法はありますか？または、fsolveにMatlabのdog-legメソッドに相当する機能を実行する別の関数がありますか？

Answer 1

scipyの新しいバージョンには、approx_fprimeという機能があります。 fowardステップの有限差分を使用して、位置xkの関数fのジャコビアンの数値近似を計算します。これは位置xkに部分的に派生したfのndarrayを返します。

あなたのバージョンのscipyをアップグレードできない場合は、いつでも実装をscipy's sourceからコピーできます。

---

編集：

scipy.optimize.minimize入力jac=False場合、内部でapprox_fprimeを呼び出します。だからあなたの場合には、次のことを行うのに十分でなければなりません：

scipy.optimize.minimize(fun, x0, args, method='dogleg', jac=False) 

---

編集

scipyapprox_fprimeを使用して呼び出し可能jacを構築する必要があるので、適切jac=False条件を処理していないようです

jac = lambda x,*args: scipy.optimize.approx_fprime(x,fun,epsilon,*args) 
scipy.optimize.minimize(fun, x0, args, method='dogleg', jac=jac)