SciPy (Python) 中的最小化函数接受什么大小的参数？答案

【问题标题】：What size arguments does the minimize function in SciPy (Python) accept?SciPy (Python) 中的最小化函数接受什么大小的参数？
【发布时间】：2017-01-05 03:17:23
【问题描述】：

我正在阅读 SciPy 文档并使用 Python 来看看我是否可以实现他们谈论的内容。但是我似乎无法弄清楚下面的代码中发生了什么。

来自https://docs.scipy.org/doc/scipy-0.18.1/reference/tutorial/optimize.html

>>> def rosen(x):
...     """The Rosenbrock function"""
...     return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)

>>> x0 = np.array([1.3, 0.7, 0.8, 1.9, 1.2])

>>> res = minimize(rosen, x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})
Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 339
         Function evaluations: 571

>>> print(res.x)
[ 1.  1.  1.  1.  1.]

在这种情况下，Rosenbrock 函数似乎为第一个变量采用大小为 4 的数组，为第二个变量采用大小为 4 的数组。这是因为 x[1:] 和 x[:-1] 一样被使用。

这最终如何给出一个包含五个结果的数组？肯定会最小化函数只运行四次，每次都有一对值（分别取自 x[1:] 和 x[:-1]）？

另外，将两个变量的值存储在两个不同的数组中不是更有意义吗？

抱歉，如果我遗漏了一些非常明显的内容，请提前致谢。

【问题讨论】：

“第一个变量”和“第二个变量”是什么意思？只有一个参数被传递给rosen。它对这个论点的作用是它自己的事。

标签： python numpy optimization scipy

【解决方案1】：

rosen 以接受几乎任何长度的x 的方式编写，并返回单个值sum。像x[1:]-x[:-1] 这样的表达式只是取连续项之间的差异。

minimize 本身采用x0，一个一维数组，这里有 5 个元素长。它会改变所有元素，直到 rosen 和最小化。所以它最小化了一个向量或一维数组。在我看来，x0 的长度可能与 (2,) 不同。

【讨论】：

【解决方案2】：

SciPy实现的Rosenberg函数不是常用函数

但似乎是generalized Rosenberg function

对于更高的维度。所以x[1:] 和x[:-1] 并没有索引两个维度（x，y），而是以方便的方式实现上述功能。

对 hpaulj 回答的说明：它不一定会输出单个值，就像人们可以做的那样

from scipy.optimize import rosen
points = np.array([[1, 1, 1, 1], [1, 2, 3, 4]]).T
rosen(points)

--> array([    0.,  2705.])

一次评估多个输入向量。

【讨论】：