Question

我有一个客观的功能，比如obj(x, arg_1, arg_2) 在f()内，variable_3 = f(x, arg_1, arg_2) obj()将返回abs(x-variable_3)

我需要使用obj()

最小化scipy.optimize.minimize的返回值

我想我需要这样做：

def obj(x, arg_1, arg_2)
    v_3 = f(x, arg_1, arg_2)
    return abs(x-v_3)
x0 = 1
result = minimize(obj, x0, args = (arg_1, arg_2))

这是对的吗？为什么我会得到错误？

或者，实际上我可以这样做：

def obj(x, v_3)
    return abs(x-v_3)
def myfun(arg_1, arg_2)
    x0 = 1
    v_3 = f(x0, arg_1, arg_2)
    result = minimize(obj, x0, args = v_3)
    return result

但显然，这就是我想要的。那么有人可以告诉我如何做到这种最小化吗？感谢

Answer 1

希望它不会引起一些IP问题，引用答案的基本部分：来自@ lmjohns3，Structure of inputs to scipy minimize function “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然后找到一个参数值xp这样有趣对于x的其他值，（xp）小于fun（x）。优化器负责创建x的值并将它们传递给fun进行评估。

但是，如果你碰巧有一个函数fun（x，y），它有一些额外的参数y需要单独传递（但是为了优化的目的被认为是常数）会怎么样？这就是args元组的用途。该文档试图解释如何使用args元组实际上，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的其余部分：然后在优化期间将该函数称为fun（x，* args）。 x部分由优化器传入，args元组作为剩余参数给出。“

Answer 2

对于scipy.optimize.minimize，应该将多个参数打包到一个元组中，然后在数值优化期间由目标函数解包。

看起来应该是这样的：

def obj(arguments)
    """objective function, to be solved."""
    x, arg_1, arg_2 = arguments[0], arguments[1], arguments[2] 
    v_3 = f(x, arg_1, arg_2)
    return abs(x-v_3)

x0 = 1
initial_guess = [1,1,1]  # initial guess can be anything
result = minimize(obj, initial_guess)
print result.x

如何使用scipy.optimize.minimize

2 个答案: