Scipy 最小化目标元素答案

【问题标题】：Scipy minimize objective element-wiseScipy 最小化目标元素
【发布时间】：2019-05-17 04:22:20
【问题描述】：

我正在尝试将 scipy 最小化器应用于以多个 np.arrays 作为参数的矢量化目标函数。在这个例子中，我想将obj(x,p) 相对于x 最小化，同时将p 固定为固定值。对于 p = np.array([2,3,4])，最小值应该是 2、3 和 4。

但是

import numpy as np
from numba import vectorize, float64
from scipy.optimize import minimize
xinit = np.array([1,1,1])
p = np.array([2,3,4])

@vectorize([float64(float64,float64)])
def obj(x,p):
    return((x-p)**2)

minimize(obj, x0 = xinit,args = p, method='Nelder-Mead')

返回ValueError: setting an array element with a sequence.

谁能帮忙？

提前非常感谢！

【问题讨论】：

@vectorize 的用途是什么？未装饰的obj 对您有什么作用（或打算做什么）？它是否返回不同的值？
你是对的！这里不需要装饰器..

标签： python scipy vectorization minimize

【解决方案1】：

目前尚不清楚您要达到的目标：(x-p)**2 是一个数组，因此将其用作目标并不是一个明确定义的操作（因为没有合理的使用顺序）。也许您实际上想要两个参数之间的平方距离？ IE。相当于

def obj(x, p):
    return np.linalg.norm(x-p)**2

这将起作用并找到适当的最小值，但此时vectorize 签名不再有效；如果您愿意，仍然可以使用 Numba 进行 JIT 编译。

【讨论】：

我想为obj 数组中的每个元素找到最小的x。理想情况下没有循环......
听起来像循环是很自然的事情；在这种情况下，您想重新初始化所有内容（包括 NM 单纯形）。它也应该相当不痛，因为您要做的事情归结为np.array([minimize(obj, x0 = xi, args = pi, method='Nelder-Mead').x[0] for xi, pi in zip(xinit, p)])。
当然，numba.vectorize 装饰完全可以正常工作，但它最终确实是多余的（因为 NM 的实现独立评估每个顶点）。
非常感谢！你的绝招彻底解决了我的问题！而且速度很快！