Tensorflow能否用于多变量函数的全局最小化？
Tensorflow能否用于多变量函数的全局最小化？
提问于 2017-11-06 14:47:52
我一直很好奇TF是否可以用于函数的全局优化。例如，它能被用来有效地找到Lennard-Jones势的基态吗？它会比现有的优化方法更好还是更差，比如盆地跳跃？
我的部分研究涉及寻找大的，多组分的分子的基态。传统方法(BH等)对此很好，但也相当慢。我已经研究了TF，有一些部分似乎足够强大，可以应用于这个问题，尽管我有限的网络搜索似乎没有显示出TF对这个问题的任何使用。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-05-31 02:08:29
用来训练神经网络的gradient descent只考虑了函数的局部区域。因此，不能保证它会收敛到全局最小值(这对于大多数机器学习算法来说实际上是很好的；考虑到所考虑的空间的维数非常高，人们通常很乐意找到一个良好的局部最小值，而不必进行太多探索)。
也就是说，人们当然可以使用Tensorflow (或任何这样的框架)来实现全局盆地跳跃方案的局部优化器，例如如下所示(简化算法)：
- 选择起点；
- 使用本地优化器获取局部最小值；
- 对此最小值的坐标应用一些扰动；
- 从此新位置，重新使用本地优化器获取下一个局部最小值；
- 保留最佳最小值，从3开始重复。
实际上，有些人目前正在尝试实现这个确切的方案，将TF与scipy.optimize.basinhopping()接口。在这个Github issue中可以找到当前的开发和讨论。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47131248
复制相关文章
相似问题