已关注 this question ,我想让我的问题尽可能具体,重点关注我无法解决的部分。考虑一个非常简单的函数:
def foo(x, y, a, b, c):
return a * x**4 + b * y**2 + c
现在我想使用 scipy.optimize.minimize
或任何其他现有函数来查找 x
和y
(即参数)以最小化 foo
给定常量a
, b
,和c
(即参数)。如果我只有一个参数和多个参数,那么来自 this page我可以这样做:
def foo(x, *args):
a, b, c = args
return a * x**4 + b * x**2 + c
# X0 = to some scalar
# ARGS = a tuple of scalars (A, B, C)
x_min = scipy.optimize.minimize(foo, x0=X0, args=ARGS)
如果我只有自变量,没有常量参数,那么来自 this page我可以这样做:
def foo(*params):
x, y = params
return 4 * x**4 + 2 * y**2 + 1
# P0 = to a list of scalars [X0, Y0]
x_min = scipy.optimize.minimize(foo, x0=P0)
但是,我无法使用上述任何语法。我相信我必须将我的函数定义为:
def foo(*args, **kwargs):
x, y = args
a, b, c = tuple(kwargs.values())
return a * x**4 + b * y**2 + c
但是我不知道如何通过args
和kwargs
到scipy.optimize
功能。如果您能帮助我了解定义 foo
的最佳方式,我将不胜感激。具有多个独立参数和常量参数的函数 scipy.optimize
功能。感谢您提前的支持。
最佳答案
您可以使用 lambda
或 functools.partial
自行绑定(bind)它们,而不是传递 foo
并使 scipy 传递常量参数:
A, B, C = some_const_values
foo1 = lambda x, y: foo(x, y, A, B, C)
或者:
import functools
foo1 = functools.partial(foo, a=A, b=B, c=C)
然后:
x_min = scipy.optimize.minimize(foo1, ...)
关于python - 将具有多个自变量和多个参数的函数传递给 scipy optimize minimize,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60396209/