Question

我正在使用scipy库执行优化任务。我有一个必须最小化的功能。我的代码和功能看起来像

import numpy as np
from scipy.optimize import minimize
from scipy.optimize import Bounds


bounds = Bounds([2,10],[5,20])

x0 = np.array([2.5,15])

def objective(x):
    x0 = x[0]
    x1 = x[1]
    return a*x0 + b*x0*x1 - c*x1*x1

res = minimize(objective, x0, method='trust-constr',options={'verbose': 1}, bounds=bounds)

我的a，b和c值随时间变化并且不是恒定的。该函数不应针对a，b，c值进行优化，而应针对可随时间变化的给定a，b，c值进行优化。如何将这些值作为目标函数的输入？

Answer 1

scipy.optimize.minimize的{{3}}提到了args参数：

args：元组，可选

传递给目标函数及其派生函数（fun，jac和hess函数）的额外参数。

您可以按以下方式使用它：

import numpy as np
from scipy.optimize import minimize
from scipy.optimize import Bounds

bounds = Bounds([2,10],[5,20])
x0 = np.array([2.5,15])

def objective(x, *args):
    a, b, c = args  # or just use args[0], args[1], args[2]
    x0 = x[0]
    x1 = x[1]
    return a*x0 + b*x0*x1 - c*x1*x1

# Pass in a tuple with the wanted arguments a, b, c
res = minimize(objective, x0, args=(1,-2,3), method='trust-constr',options={'verbose': 1}, bounds=bounds)

除了自变量外，如何为scipy.optimize.minimize的目标函数提供附加输入

1 个答案: