scipy 最小化函数的输入结构答案

【问题标题】：Structure of inputs to scipy minimize functionscipy 最小化函数的输入结构
【发布时间】：2013-11-19 13:25:43
【问题描述】：

我继承了一些代码，它试图使用scipy.optimize.minimize 最小化一个函数。我无法理解 fun 和 jac 参数的一些输入

最小化调用看起来像这样：

result = minimize(func, jac=jac_func, args=(D_neg, D, C), method = 'TNC' ...other arguments)

func 如下所示：

def func(G, D_neg, D, C):
#do stuff

jac_func 具有以下结构：

def jac_func(G, D_neg, D, C):
#do stuff

我不明白G 输入到func 和jac_func 的来源。这是在minimize 函数中以某种方式指定的，还是method 被指定为TNC 的事实？我试图对这个优化函数的结构进行一些研究，但我无法找到我需要的答案。非常感谢任何帮助

【问题讨论】：

标签： python numpy scipy minimize

【解决方案1】：

简短的回答是，G 由优化器维护，作为最小化过程的一部分，而 (D_neg, D, and C) 参数按原样从 args 元组传入。

默认情况下，scipy.optimize.minimize 接受一个函数fun(x)，它接受一个参数x（可能是一个数组等）并返回一个标量。然后scipy.optimize.minimize 找到一个参数值xp 使得fun(xp) 对于x 的其他值小于fun(x)。优化器负责创建x 的值并将它们传递给fun 进行评估。

但是如果你碰巧有一个函数fun(x, y) 有一些额外的参数y 需要单独传递（但为了优化的目的被认为是一个常量）？这就是 args 元组的用途。 documentation 试图解释如何使用 args 元组，但它可能有点难以解析：

参数：元组，可选

传递给目标函数及其导数（Jacobian、Hessian）的额外参数。

实际上，scipy.optimize.minimize 将使用星号参数表示法将args 中的任何内容作为参数的其余部分传递给fun：然后在优化期间将函数调用为fun(x, *args)。 x 部分由优化器传入，args 元组作为剩余参数给出。

因此，在您的代码中，G 元素的值由优化器维护，同时评估 G 的可能值，(D_neg, D, C) 元组按原样传递。

【讨论】：

很好的解释！通常你会猜测你期望G 是什么，比如G0。因此，您可以使用minimize(func, jac=jac_func, G0, args=(...,), ...)，而不是 OP 中的表单。如果你没有通过，它通常以G=1. 开头，我认为这种形式不太容易混淆，即使G0=1. 也是如此。
我同意，最好能更明确地说明对 G0 的最初猜测——事实上，我从未见过对 minimize 的调用忽略了它。
@lmjohns3 @askewchan：最初的猜测 x0 不是可选参数，正如您在文档中看到的那样。用户必须始终明确指定它，并且没有默认值。
@pv。果然，谢谢！我已经稍微更新了我的答案，以使它听起来不像最小化器从无处为x 创造价值。
@pv。很好 --- 碰巧几乎所有的 scipy.optimize 函数都需要起点，当然除了我最近使用的那个：curve_fit，它确实有一个默认值 1.0。我想知道为什么它从 OP 中消失了。