我继承了一些试图使用scipy.optimize.minimize来最小化函数的代码。我无法理解fun和jac参数
最小化调用看起来像这样：
result = minimize(func, jac=jac_func, args=(D_neg, D, C), method = 'TNC' ...other arguments)
func如下所示：
def func(G, D_neg, D, C):
#do stuff
jac_func具有以下结构：
def jac_func(G, D_neg, D, C):
#do stuff
我不明白的是func和jac_func的G输入来自哪里。是以minimize函数中的某种方式指定的，还是method被指定为TNC的事实？我试图对这个优化函数的结构进行一些研究，但是我找不到我需要的答案。非常感谢任何帮助
答案 0 :(得分：37)
简短的回答是，G由优化器维护，作为最小化过程的一部分，而(D_neg, D, and C)参数从args元组按原样传入。
默认情况下，scipy.optimize.minimize接受一个函数fun(x)接受一个参数x（可能是一个数组等）并返回一个标量。 scipy.optimize.minimize然后会找到参数值xp，以使fun(xp)小于fun(x)其他x值。优化程序负责创建x的值并将其传递给fun进行评估。
但是如果你碰巧有一个函数fun(x, y)有一些额外的参数y需要单独传递（但是为了优化而被认为是常量）会怎样？这就是args元组的用途。 documentation试图解释如何使用args元组，但是解析起来有点困难：
args：元组，可选
传递给目标函数及其衍生物的额外参数（Jacobian，Hessian）。
实际上，scipy.optimize.minimize将使用星号参数表示法将args中的任何内容传递给fun的其余参数：该函数随后被称为fun(x, *args)在优化期间。 x部分由优化器传入，args元组作为剩余参数给出。
因此，在您的代码中，优化程序在评估G的可能值时保留G元素的值，并按原样传递(D_neg, D, C)元组。