制約のある最適化をscipy.optimize.minimizeに変える？

Question

私はモデルの最適化されたパラメータを見つけることに興味があります（モデルの出力を既知の値で最小化することによって）。私が探しているパラメータには限界があり、1 - sum(x_par) >= 0のような不等式によっても制約されています。ここで、x_parは、合計パラメータリストのうちいくつかのパラメータのリストです。私はscipy.optimize.minimizeを使用して、さまざまな方法（たとえばCOBYLAおよびSLSQPなど）でこの問題を最小限に抑えましたが、この機能によるフィッティングのパフォーマンスは非常に悪く、エラーは一般に50％を超えています。

私は、scipy.optimize.curve_fitとscipy.optimize.differential_evolutionが与えられた値のフィッティングに関して非常にうまく動作することに気付きましたが、これらの関数はパラメータに制約を与えません。私は、パラメータを制約することを可能にし、与えられた曲線/値をフィッティングするより良い仕事をscipy.optimize.minimizeよりも行うことができる、私の問題を最適化するためのpythonの代替案を探しています。

Answer 1

lmfitが便利です。このモジュールは、Parameterのすべての変数を固定または空き、境界が適用されている、または数学的表現として制約されているオブジェクトに置き換える、scipy.optimizedルーチンの多くのラッパーです（leastsq、differential_evolution、ほとんどのスケーラーミニマイザーを含みます）。他のパラメータは、すべて最小化問題を解くために使用された方法とは独立しています。 Modelクラスもあり、多くのカーブフィッティングの問題をサポートし、パラメータの信頼区間の解析を改善します。

いくつかの注意を払って、 http://lmfit.github.io/lmfit-py/constraints.html#using-inequality-constraintsで簡単に説明するように、不等式制約を適用できます。