Как использовать SimplexSolver или SimplexOptimizer в java apache math?

Question

Я пытаюсь использовать математическую библиотеку apache версии 3.5+ для решения проблемы оптимизации. В принципе, я пытаюсь сопоставить (гамма) распределение с некоторыми точками данных. Я не могу найти простых примеров того, как использовать новые инструменты оптимизации (версии 3.5), такие как SimplexSolver, SimplexOptimizer или OptimizationData, для решения тривиальной задачи оптимизации.

Аналогичные вопросы заданы здесь раньше, но все ответы, похоже, для более старой версии apache math - в 3.5 были реструктурированы, и ни один из примеров кода, который я мог найти, не работает.

Есть ли у кого-нибудь рабочий пример, как использовать новые оптимизаторы или решатели? Меня больше всего интересует SimplexOptimizer, но в этот момент все будет полезно.

Answer 1

Действительно, оптимизаторы могут быть трудными в использовании: множество параметров, для которых разные комбинации требуются для разных типов оптимизаторов, и все они скрыты в общем массиве OptimizationData, который они получают. Если вы не начнете сопоставлять код с документами, на которые они ссылаются, вы вряд ли сможете получить от них какие-либо результаты.

Я также хотел использовать некоторые из Thes решателей/оптимизаторы попробовать время от времени, главный источник надежен, работает «» примеры «» для меня оказалось бы модульные тесты из этих классов, которые, как правило, довольно разрабатывать и охватывать многие случаи. Например, в отношении SimplexOptimizer вы можете ознакомиться с тестовыми примерами org/apache/commons/math4/optim/nonlinear/scalar/noderiv/, содержащими тестовые классы SimplexOptimizerMultiDirectionalTest.java и SimplexOptimizerNelderMeadTest.java.

_{(К сожалению, может быть, это не то, что вы ожидали или надеялись, но ... Я нашел эти тесты чрезвычайно полезны, когда я попытался выяснить, какие OptimizationData эти оптимизаторы действительно нужно ...)}

РЕДАКТИРОВАТЬ

Просто для справки, полный пример, извлеченной из одного из основных модульных тестов:

import java.util.Arrays; 

import org.apache.commons.math3.analysis.MultivariateFunction; 
import org.apache.commons.math3.optim.InitialGuess; 
import org.apache.commons.math3.optim.MaxEval; 
import org.apache.commons.math3.optim.PointValuePair; 
import org.apache.commons.math3.optim.nonlinear.scalar.GoalType; 
import org.apache.commons.math3.optim.nonlinear.scalar.ObjectiveFunction; 
import org.apache.commons.math3.optim.nonlinear.scalar.noderiv.NelderMeadSimplex; 
import org.apache.commons.math3.optim.nonlinear.scalar.noderiv.SimplexOptimizer; 
import org.apache.commons.math3.util.FastMath; 

public class SimplexOptimizerExample 
{ 
    public static void main(String[] args) 
    { 
     SimplexOptimizer optimizer = new SimplexOptimizer(1e-10, 1e-30); 
     final FourExtrema fourExtrema = new FourExtrema(); 

     final PointValuePair optimum = 
      optimizer.optimize(
       new MaxEval(100), 
       new ObjectiveFunction(fourExtrema), 
       GoalType.MINIMIZE, 
       new InitialGuess(new double[]{ -3, 0 }), 
       new NelderMeadSimplex(new double[]{ 0.2, 0.2 })); 

     System.out.println(Arrays.toString(optimum.getPoint()) + " : " 
      + optimum.getSecond()); 
    } 

    private static class FourExtrema implements MultivariateFunction 
    { 
     // The following function has 4 local extrema. 
     final double xM = -3.841947088256863675365; 
     final double yM = -1.391745200270734924416; 
     final double xP = 0.2286682237349059125691; 
     final double yP = -yM; 
     final double valueXmYm = 0.2373295333134216789769; // Local maximum. 
     final double valueXmYp = -valueXmYm; // Local minimum. 
     final double valueXpYm = -0.7290400707055187115322; // Global minimum. 
     final double valueXpYp = -valueXpYm; // Global maximum. 

     public double value(double[] variables) 
     { 
      final double x = variables[0]; 
      final double y = variables[1]; 
      return (x == 0 || y == 0) ? 0 : FastMath.atan(x) 
       * FastMath.atan(x + 2) * FastMath.atan(y) * FastMath.atan(y) 
       /(x * y); 
     } 
    } 
}