有没有办法用固定步长优化函数阈值？

如何解决有没有办法用固定步长优化函数阈值？

如何优化具有固定步长的函数？我开发了一个具有五个阈值的函数作为我想要优化的入口。我实际上尝试使用不同的求解器优化它们，但是求解器所采取的步骤非常小，以至于函数永远不会收敛到一个好的解决方案中。

定义的阈值从 0 到 1 不等，我希望它们的步长为 0.01。例如，在 threshold_0 的情况下，我希望它从初始猜测 0.6 变化到 0.61 或 0.59 等，具体取决于错误结果。

from scipy import optimize
initial_guess = [0.6,0.3,0.6,0.5,0.5]

def get_sobel3d_accuracy_from_thresholds(thresholds,array_dicts,ponderation_dict):
    ...
    return error

result = optimize.minimize(
            get_sobel3d_accuracy_from_thresholds,# function to optimize
            initial_guess,args=(array_dicts,ponderation_dict),# extra fixed args
            method='nelder-mead',options={'xatol': 1e-8,'disp': True})

我想得到的是一个最小化从函数 get_sobel3d_accuracy_from_thresholds 返回的错误的解决方案，如下所示：

optimized_thresholds = [0.61,0.81,0.52,0.44]

我也想固定阈值从 0 到 1 的边界，但我认为它只能通过一些求解器来完成，对吗？

bounds = [(0,1) for n in range(0,5)]

谢谢大家。