多变量优化（scipy.optimize.minimize）

Question

我想对一个方程实施 Nelder-Mead 优化。但它不只包含一个变量，它包含多个变量（其中一个是未知的，其他是已知的。）

例如在这个例子中： http://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html

如果我的 rosen(x) 是

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

而不是示例中提到的这个，我该如何优化它？如果我打电话给

res = minimize(rosen, x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})

它说需要两个参数如果我打电话

res = minimize(rosen(y), x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})

之前已经在代码中定义了 y，我得到了同样的错误。而如果我调用它

res = minimize(rosen(x,y), x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})

我收到 x 未定义的错误。

Answer 1

向对象传递参数是通过参数 args 完成的。优化 rosen(x,2):

import numpy as np
from scipy.optimize import minimize

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

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

res = minimize(rosen, x0, args=(2,), method='nelder-mead',
               options={'xtol': 1e-8, 'disp': True})

注意变量x是一个5维向量，正如你在起点x0的定义中看到的那样，因此rosen(x,2)有五个变量。如果你想最小化 rosen(x,y)，定义一个 objective 函数

def rosen2(zz):
    return rosen(zz[:5], zz[5])

多变量优化（scipy.optimize.minimize）

Optimization (with scipy.optimize.minimize) with multiple variables

python

optimization

scipy

minimization