将 SLSQP 与 Scipy 最小化一起使用时，如何为“eps”选择合适的值？答案

【问题标题】：How do I select an appropriate value for 'eps' when using SLSQP with Scipy minimize?将 SLSQP 与 Scipy 最小化一起使用时，如何为“eps”选择合适的值？
【发布时间】：2017-06-15 21:23:30
【问题描述】：

我写了如下优化代码：

guess = [1/6] * 6
bounds = [(0.0,1.0)] * 6                          
cons = {'type': 'eq', 'fun': lambda x:  1 - sum(x)}
result = minimize(function, guess, (instrument, sample),\
  bounds=bounds, method='SLSQP', tol=0.01, constraints=cons,\
  options={'disp': False ,'eps' : 1e-2})

结果应该是一个长度为 6 的向量，每个值为 0<x<1 和 sum(x) = 1。

我设置了 0.01 的容差，我相信这意味着优化器将在它处于最小值的 1% 以内时终止。

我感到困惑的是'eps' 术语。我不完全确定它的含义，或者它与公差设置的关系。如何选择合理的值，过高或过低的后果是什么？

【问题讨论】：

标签： python scipy

【解决方案1】：

嗯，根据docs，eps就是

用于雅可比数值逼近的步长。

关于什么是好的价值，您可以在 wikipedia article 部分“使用浮点运算的实际考虑”中找到一些非常具体的指导

【讨论】：