SciPy（Python）中的最小化函数接受什么大小的参数？

Question

我正在阅读SciPy文档并使用Python来了解我是否可以实现他们所谈论的内容。但是，我似乎无法弄清楚下面的代码中发生了什么。

来自https://docs.scipy.org/doc/scipy-0.18.1/reference/tutorial/optimize.html

>>> def rosen(x):
...     """The Rosenbrock function"""
...     return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)

>>> x0 = np.array([1.3, 0.7, 0.8, 1.9, 1.2])

>>> res = minimize(rosen, x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})
Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 339
         Function evaluations: 571

>>> print(res.x)
[ 1.  1.  1.  1.  1.]

在这种情况下，似乎Rosenbrock函数为第一个变量采用size-4数组，为第二个变量采用size-4数组。这是因为x [1：]和x [： - 1]一样使用。

这最终如何最终给出五个结果的数组？当然，最小化函数只运行四次，每次都有一对值（分别取自x [1：]和x [： - 1]）？

将两个变量的值存储在两个不同的数组中也没有意义吗？

很抱歉，如果我错过了一些非常明显的事情并提前感谢。

V

Answer 1

rosen的编写方式接受几乎任意长度的x，并返回单个值sum。像x[1:]-x[:-1]这样的表达式只是区分连续的术语。

minimize本身需要x0，一个1d数组，这里有5个元素长。它会在rosen总和最小化之前改变所有元素。所以它最小化了矢量或1d数组。从x0开始，我认为(2,)可能有不同的长度。

Answer 2

SciPy实现的Rosenberg功能不是常用功能

但似乎更像是generalized Rosenberg function

更高的尺寸。因此x[1:]和x[:-1]没有索引两个维度（x，y），但是以一种方便的方式实现了上述功能。

关于hpaulj的答案的说明：它不一定会输出单个值，因为人们可以做到

from scipy.optimize import rosen
points = np.array([[1, 1, 1, 1], [1, 2, 3, 4]]).T
rosen(points)

--> array([    0.,  2705.])

一次评估多个输入向量。