（2,2）数组的scipy最小化答案

【问题标题】：scipy minimization of a (2,2) array（2,2）数组的scipy最小化
【发布时间】：2014-02-25 19:45:16
【问题描述】：

给定矩阵a = [[1,2], [3,1]] 我试图最小化函数平方范数 a*x 其中 x 应该是一个 (2,2) 数组 ---这只是一个玩具示例--- 通过使用下面的代码。但是，我从控制台获得以下内容错误信息：

"    return np.linalg.norm(np.dot(a, x))**2 
ValueError: matrices are not aligned "

我将非常感谢您的解释。谢谢

import numpy as np
from scipy.optimize import minimize

a = np.array([[1, 2],[3, 1]])

def func_obj(x):
    return np.linalg.norm(np.dot(a, x))**2 


def func_deriv(x):
     """ Derivative of objective function """
     result = np.zeros([2, 2])
     for i in range(2):
        for j in range(2):
            for k in range(2):
                result[i,j] = result[i, j] + 2*(np.dot(a[k,:],x[:,j]))*a[k,i]
     return result


res = minimize(func_obj, [[1, -1],[-1,1]], jac = func_deriv, 
               method = 'SLSQP', options = {'disp':True})

print (res.x)

【问题讨论】：

标签： arrays optimization numpy matrix

【解决方案1】：

您的问题是最小化函数希望将参数作为一维列表。你给它一个 2x2 矩阵，并期望它给你一个回报。添加简单的reshape() 调用来解压参数可以解决问题：

def func_obj(x):
    x = x.reshape(2,2)
    return np.linalg.norm(np.dot(a, x))**2 


def func_deriv(x):
     """ Derivative of objective function """
     x = x.reshape(2,2)
     result = np.zeros([2, 2])
     for i in range(2):
        for j in range(2):
            for k in range(2):
                result[i,j] = result[i, j] + 2*(np.dot(a[k,:],x[:,j]))*a[k,i]
     return result

x0 = np.array([[1, -1],[-1,1]]).reshape(-1)
res = minimize(func_obj, x0, jac = func_deriv, 
               method = 'SLSQP', options = {'disp':True})

【讨论】：

感谢您的回答