最优化算法python实现篇（3）——无约束一维极值（黄金分割法）

算法适用问题

搜索给定单峰区间的极值问题，一般对凸优化问题比较适用。

python实现

# ******************************** 无约束一维极值——黄金分割法 ********************************
import pandas as pd
import numpy as np
from advance_retreat_method import advance_retreat_method
class Minimize_Golden(object):
    """
    func:为目标函数，必传参数
    eps：迭代精度 默认1e-6
    x0：初始区间。若不传这个参数，
        则会调用进退法求取一个单峰区间。
        from advance_retreat_method import advance_retreat_method 
        这个模块在本人博客优化版块的第一篇文章   
    """
    def __init__(self,**kargs):
        self.func = kargs["func"]
        if "x0" in kargs.keys():
            self.x0 = np.array(kargs["x0"])
        else:
            self.x0 = np.array(advance_retreat_method(kargs["func"]).run())
        if "eps" in kargs.keys():
            self.eps = kargs["eps"]
        else:
            self.eps = 1e-6
        self.r1 = self.x0[0] + 0.382*(self.x0[1]-self.x0[0])
        self.r2 = self.x0[0] + 0.618*(self.x0[1]-self.x0[0])
    def run(self):
        if self.func(self.r1) < self.func(self.r2):
            self.x0[1] = self.r2
            self.r2 = self.r1
            self.r1 = self.x0[0] + 0.382*(self.x0[1]-self.x0[0])
        else:
            self.x0[0] = self.r1
            self.r1 = self.r2
            self.r2 = self.x0[0] + 0.618*(self.x0[1]-self.x0[0])
        if np.abs(self.x0[0]-self.x0[1]) < self.eps :
            return ((self.x0[0]+self.x0[1])/2,self.func((self.x0[0]+self.x0[1])/2))
        else:
            return self.run()
if __name__ == "__main__":
    result = Minimize_Golden(func = lambda x:x**2+2*x-150).run()
    print(result)

示例运行结果

by CyrusMay 2020 05 01

有些人经过我身旁
住在我脑中
在我心里钻洞
有些人变成相片
堆在角落
灰尘像雪一般冰冻

——五月天（一颗苹果）——