使用多个变量进行优化（使用 scipy.optimize.minimize）答案

【问题标题】：Optimization (with scipy.optimize.minimize) with multiple variables使用多个变量进行优化（使用 scipy.optimize.minimize）
【发布时间】：2015-05-09 05:25:45
【问题描述】：

我想在方程上实现 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，另一个是已知的。）

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)

除了示例中提到的这一点，我该如何优化它？如果我打电话

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。虽然如果我叫它

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

我收到一个 x 未定义的错误。

【问题讨论】：

标签： python optimization scipy minimization

【解决方案1】：

通过参数args 向对象传递参数。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，你可以在起点x0的定义中看到，因此rosen(x,2)有五个变量。如果你想最小化rosen(x,y)，定义一个目标函数

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

【讨论】：