python 用nelder-mead对函数进行优化时，初始值不同，得到优化值也不同。

[livemorexie]

python 用nelder-mead对函数进行优化时，初始值不同，得到优化值也不同。

超级小白一个，求助原因，万分感谢！

import numpy as np
import math
from scipy.optimize import minimize
p=0.1
T=1
def f(x):
P11ab = (1-p)*math.exp(-x[0]**2-T*x[1]**2)*math.exp(math.sqrt(p*T)*(2*x[0]*x[1]))
P1a = (1-p)*math.exp(-(1-p)*x[0]**2)
P1b = (1-p)*math.exp(-(1-p)*T*x[1]**2)
E00 = 4*P11ab -2*(P1a+P1b)+1

P11ad = (1-p)*math.exp(-x[0]**2-T*x[3]**2)*math.exp(math.sqrt(p*T)*(2*x[0]*x[3]))
P1a = (1-p)*math.exp(-(1-p)*x[0]**2)
P1d = (1-p)*math.exp(-(1-p)*T*x[3]**2)
E01 = 4*P11ad -2*(P1a+P1d)+1

P11cb = (1-p)*math.exp(-x[2]**2-T*x[1]**2)*math.exp(math.sqrt(p*T)*(2*x[2]*x[1]))
P1c = (1-p)*math.exp(-(1-p)*x[2]**2)
P1b = (1-p)*math.exp(-(1-p)*T*x[1]**2)
E10 = 4*P11cb -2*(P1c+P1b)+1

P11cd = (1-p)*math.exp(-x[2]**2-T*x[3]**2)*math.exp(math.sqrt(p*T)*(2*x[2]*x[3]))
P1c = (1-p)*math.exp(-(1-p)*x[2]**2)
P1d = (1-p)*math.exp(-(1-p)*T*x[3]**2)
E11 = 4*P11cd -2*(P1c+P1d)+1

S = abs(E00+E01+E10-E11)
return S

x0 = np.array([0.5,1.0,2.5,2.0,-0.5])

res = minimize(f, x0, method='nelder-mead',
options={'xatol': 1e-1, 'disp': True})
print(res.x)


运行结果
Optimization terminated successfully.
Current function value: 0.000111
Iterations: 62
Function evaluations: 121
[ 0.59736093 1.09629048 2.606457 1.34629423 -0.51642658]

而且奇怪的是，优化值有负号出现，函数我加了绝对值的。

[livemorexie]

已解决，谢谢！

[Shawn.Yu]

楼主能麻烦告诉下是怎么解决初始值不同导致优化结果不同的问题吗？我也遇到了同样的问题