使用numpy处理exp中的溢出

Question

使用numpy，我对函数有以下定义：

def powellBadlyScaled(X):
    f1 = 10**4 * X[0] * X[1] - 1
    f2 = numpy.exp(-numpy.float(X[0])) + numpy.exp(-numpy.float(X[1])) - 1.0001
    return f1 + f2

在优化例程中，对该功能进行了多次评估。它经常引发异常：

RuntimeWarning: overflow encountered in exp

我知道操作数不能存储在为浮点数分配的空间中。但是我该如何克服这个问题呢？

Answer 1

您可以使用bigfloat软件包。它支持任意精度的浮点运算。

http://packages.python.org/bigfloat/

import bigfloat
bigfloat.exp(5000,bigfloat.precision(100))
# -> BigFloat.exact('2.9676283840236670689662968052896e+2171', precision=100)

您是否正在使用功能优化框架？他们通常实现价值界限（使用惩罚性条款）。试试看
相关价值观真的那么极端吗？在优化中，最小化log（f）并不少见。（近似的对数可能性等）。您确定要优化该exp值，而不是log（exp（f））== f。？

顺便说一句，如果您要做的是最小化powellBadlyScaled（x，y），则最小值为x-> + inf和y-> + inf，因此不需要数字。