在 scipy.minimize 中具有多个返回值作为输入的函数答案

【问题标题】：Function with multiple return values as input in scipy.minimize在 scipy.minimize 中具有多个返回值作为输入的函数
【发布时间】：2021-08-18 21:29:06
【问题描述】：

我是 python 新手，我的任务是最小化具有 3 个返回值的数学函数（在我必须使用的模板中提供），但我只需要这些返回中的第一个。这是一个例子

```
def exponential_function(x):

   value = -np.exp(-0.5 * (x[0]**2 + x[1]**2))
   grad = np.array([-value * x[0], -value * x[1]])

   return value, grad, np.array([0,0])

```

这必须是 optimize.minimize 的第一个参数。这仅适用于一个返回（=值），但在这种情况下我不知道。我尝试了包装函数，但失败了。

提前谢谢你

【问题讨论】：

“我尝试了包装函数，但失败了。” 准确显示您尝试过的内容以及遇到的错误。包装函数应该可以工作。
我已经玩了 4 个小时了，我尝试了几件事，所以我真的没什么可显示的......

标签： python numpy optimization scipy minimize

【解决方案1】：

一个适合作为optimize.minimize的第一个参数的函数对象，它接受这些返回中的第一个是：

lambda x: exponential_function(x)[0]

【讨论】：

【解决方案2】：

您尝试了哪种包装器。你不需要任何花哨的东西，只需要调用给定函数但只返回第一个结果value：

def exponential_function(x):

   value = -np.exp(-0.5 * (x[0]**2 + x[1]**2))
   grad = np.array([-value * x[0], -value * x[1]])

   return value, grad, np.array([0,0])

def myfunc(x):
   value, grad, arr = exponential_function(x)
   return value

您可以在其他答案中使用lambda 作为建议，但我尝试制作一个更明确的包装函数，这可能更容易理解。

当我们询问您尝试了什么时，我们不希望尝试有效。我们想看看您尝试了什么，并更好地了解您理解（或缺少）什么。目标是让您思考，并在可能的情况下最终解决您自己的问题，而不是灌输答案。

【讨论】：

【解决方案3】：

你可以只调用带有三个变量的函数来存储返回值，例如：

value_return, grad_return, array_return = exponential_function(x)

所以每个返回值都存储在适当的变量中。之后您可以使用这些变量（在函数之外！）。或者，只需删除您不需要的其他返回。

这能回答你的问题吗？

【讨论】：

嘿 steTATO，谢谢你的回答。恐怕这行不通。我不能只使用变量作为 minmize 的第一个参数
由于最小化只能接受一个函数，所以定义一个包装函数或 lambda 如Armali's response 所示。