objective 函数和使用 sp.optimize.minimize Python 的 jacobian 的不同参数

Question

我想用 sp.optimize.minimize 在 x 上优化函数 f(x,y,z)。雅可比矩阵只依赖于 x 和 y，它就是函数 J(x,y)。（这只是一个玩具示例）

如果我尝试：

import numpy as np
import scipy as sp

def f(x,y,z):
  return(x**2+x*y**3+z)

def J(x,y):
  return(2*x+y**3)

x0,y,z=0,1,4
sp.optimize.minimize(f,x0,args=(y,z),jac=J)

我收到错误 "J() takes 2 positional arguments but 3 were given"，因为优化将 y 和 z 传递给 J。

有什么方法可以定义我想传递给 f 的参数，以及我想传递给 J 的参数吗？

（一种选择是定义 f 和 J，使它们具有相同的参数，只忽略函数不需要的参数，但我希望有更优雅的方法）

Answer 1

根据 manual，雅可比行列式是可调用的，带有签名

J(x, *args)

其中 args 是您示例中明确的固定参数 args=(y,z)。所以一般来说没有。另一方面，没有什么能阻止你写：

def J(x, y, z):
  return 2*x + y**3

我在这里没有看到任何东西 "inelegant"。一般我们写

df(x, y, z)/dx = f'(x, y, z)

无论如何，这适用于 f' 独立于变量之一 - 我们不知道，而且没有人对这种写作不满意。

如果你真的想要，你可以拥有：

def J(x, *args):
    return 2*x + args[0]**3

隐藏多余的变量。不过，我不会称之为更优雅。

objective 函数和使用 sp.optimize.minimize Python 的 jacobian 的不同参数

Different arguments for objective function and jacobian using sp.optimize.minimize Python

python

optimization

arguments

minimize

scipy