多变量Lambdifying函数

Question

我正在尝试优化成本函数EL_c

EL_c=-300.49858410695*C_0 - 301*C_1 - 60.2000000000003*C_2

使用

确认自由变量后

EL_c.free_symbols={C_0,C_1,C_2}

我尝试使用

ff=lambdify(("C_0","C_1","C_2"),EL_c)

然后

x0=(1,1,1)
scipy.optimize.minimize(ff,x0,method="Nelder-Mead")

但是，我得到了错误

TypeError: <lambda>() missing 2 required positional arguments: 'C_1' 
and 'C_2'

理想情况下，我希望能够使用上述方法优化功能。

Answer 1

根据documentation of optimize（在this answer中已正确指出），正在优化的可调用函数必须接受元组（N，），而不仅仅是N争论。

对我有用的是：

ff = lambdify((A,B,C), EL_c)
fff = lambda x: ff(*x) # Unpack tuple into positional args
scipy.optimize.minimize(fff, x0=(1,1,1), method="Nelder-Mead")

（我的变量称为A，B，C。）