SciPy, оптимизация с условиями

[akhkmed]

Спасибо за руководство.
Как я понимаю, для зашумлённых функций невозможно вычислить градиент, а значит, будут работать не все методы. Как пишут на scipy-lectures.org, рекомендуется Nelder-Mead или Powell. Экспериментально установлено, что COBYLA тоже не вычисляет градиент. То есть, получается, это единственный метод без градиента, в котором можно задать ограничения. С другой стороны, COBYLA делает попытки вычисления даже за ограничениями, это тоже нужно учитывать.

Поделитесь, пожалуйста, опытом, как для Ваших задач работает COBYLA и использовали ли вы его для зашумлённых функций?

[iroln]

Посмотрите этот пакет
https://github.com/facebookresearch/nevergrad

А также, возможно, будет интересно вот это:
https://github.com/uqfoundation/mystic

[malkovsky]

А я бы еще порекомендовал
www.cvxpy.org

UPD. Пардон, я не посмотрел суть обсуждения, пакет выше — это вообще говоря DSL для описания задач выпуклой оптимизации, но в общем предполагается использование градиентных методов

[balezz]

Задачи у нас в основном учебные, поэтому про оптимизацию зашумленных функций вряд ли что смогу рассказать. А откуда берется шум? Вы его моделируете или это в результате измерений получается?

[akhkmed]

В моём случае шум происходил от округления, и градиенты было не посчитать. Если делать оптимизацию параметров для реальных систем, а они несовершенны, то источников шума будет много.
Вы верно заметили, что при моделировании шум и ошибки возможны. Например, в методе Монте-Карло.