scitbx.simplex
index
/net/chevy/raid1/nat/src/cctbx_project/scitbx/simplex.py

 
Modules
       
scitbx.array_family.flex

 
Classes
       
__builtin__.object
simplex_opt
test_function
test_rosenbrock_function

 
class simplex_opt(__builtin__.object)
    Python implementaion of Nelder-Mead Simplex method
The first publication is By JA Nelder and R. Mead:
  A simplex method for function minimization, computer journal 7(1965), 308-313
The routine is following the description by Lagarias et al:
  Convergence properties of the nelder-mead simplex method in low dimensions SIAM J. Optim. Vol 9, No. 1, pp. 112-147
And a previous implementation in (c++) by Adam Gurson and Virginia Torczon can be found at:
  http://www.cs.wm.edu/~va/software/SimplexSearch/AGEssay.html
 
User need to specifiy the dimension and an initial 'guessed' simplex (n*(n+1)) matrix
  where n is the dimension
 
A minimum is desired for simplex algorithm to work well, as the searching is not bounded.
 
!! Target function should be modified to reflect specific purpose
 
Problems should be referred to haiguang.liu@gmail.com
 
  Methods defined here:
FindCentroidPt(self)
FindContractionPt(self)
FindExpansionPt(self)
FindMinMaxIndices(self)
FindReflectionPt(self)
ReplaceSimplexPoint(self, vector)
ShrinkSimplex(self)
__init__(self, dimension, matrix, evaluator, tolerance=1e-06, max_iter=1000000000.0, alpha=1.0, beta=0.5, gamma=2.0, sigma=0.5, monitor_cycle=10)
explore(self)
function(self, point)
get_score(self)
get_solution(self)
initialize(self, matrix)
optimize(self)

Data descriptors defined here:
__dict__
dictionary for instance variables (if defined)
__weakref__
list of weak references to the object (if defined)

 
class test_function(__builtin__.object)
     Methods defined here:
__init__(self, n)
target(self, vector)

Data descriptors defined here:
__dict__
dictionary for instance variables (if defined)
__weakref__
list of weak references to the object (if defined)

 
class test_rosenbrock_function(__builtin__.object)
     Methods defined here:
__init__(self, dim=2)
target(self, vector)

Data descriptors defined here:
__dict__
dictionary for instance variables (if defined)
__weakref__
list of weak references to the object (if defined)

 
Functions
       
run()

 
Data
        division = _Feature((2, 2, 0, 'alpha', 2), (3, 0, 0, 'alpha', 0), 8192)