Positive directional derivative for linesearch的四种解决方案

问题背景

在使用spicy的minimize对规划问题进行求解时，如果未能成功求解问题的最优值，并且出现了Positive directional derivative for linesearch，那么可以尝试以下的四种方案，希望可以帮助到你。

方案一

将问题理解为目标函数是非凸函数，只存在局部最优值。因为选择的那些优化算法通常通过选择下降方向，然后对该方向执行线搜索来工作。我认为Positive directional derivative for linesearch代表着优化器进入了一个位置，它无法找到目标函数值减小的方向（足够快），但也无法验证当前位置是否为最小值。

方案二

尝试将优化的目标值降低几个数量级，如：

Objective(x):
    ...
    return value / 10000000

方案三

对目标函数的返回值，重新设计加平方后开平方，希望能够提高整体目标函数的稳健程度，如：

Objective(x):
    ...
    return np.sqrt(value ** 2)

方案四

调整参数ftol。minimize() 函数中的 ftol 参数用于控制优化过程的收敛条件。它指定在函数值不再显著变化时停止迭代的相对容忍度。具体来说，当两次迭代之间的相对误差小于 ftol 时，算法将被认为已经收敛，进而终止迭代。默认情况下，ftol 的值为 1e-8，尝试将此参数调整为1e-4或者更大。