将具有多个自变量和多个参数的函数传递给 scipy 优化最小化

Question

在this question 之后，我想让我的问题尽可能具体，重点放在我无法解决的部分。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 args）。如果我只有一个参数和多个参数，那么从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，那么从this page 我可以做到：

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，我不能使用上述任何语法。我相信我必须将我的功能定义为：

def foo(*args, **kwargs):
    x, y = args
    a, b, c = tuple(kwargs.values())
    return a * x**4 + b * y**2 + c

但是我不知道如何将args 和kwargs 传递给scipy.optimize 函数。如果您能帮助我理解使用多个独立参数和 scipy.optimize 函数的常量参数定义 foo 函数的最佳方法，我将不胜感激。提前感谢您的支持。

Answer 1

您可以使用lambda 或functools.partial 自己绑定它们，而不是传递foo 并让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, ...)