在保持一些变量不变的同时最小化一个函数答案

【问题标题】：Minimizing a function while keeping some of the variables constant在保持一些变量不变的同时最小化一个函数
【发布时间】：2020-07-30 23:32:24
【问题描述】：

我有表格的功能

def tmp(x,n):
    R, s, a, T = x[0], x[1], x[2], x[3]

在很长的计算块之后返回一个浮点数。

我需要最小化这个函数，为此我使用了 scipy.optimize.minimize():

minimize(tmp,[0,0,3,60000], args=(n,),tol =1e-15)

以上代码查找函数 tmp() 的最小值，起始值如图所示。

现在我需要最小化相同的函数 tmp，但将变量 R,T 保留在最小化之外，作为参数。换句话说，我希望函数写成这样：

def tmp(x,n,R,T):
        s, a = x[0], x[1]

如何在不编辑我的第一个函数的情况下创建像上面这样的函数？

【问题讨论】：

标签： python minimize

【解决方案1】：

默认情况下这是不可能的。你需要给tmp(x,n,R,T) 一个不同的名字。

这是可能的，使用multimethod library

【讨论】：

谢谢，我去看看多方法库。我试图避免将 tmp 重写为一个新函数，因为这意味着我将不得不复制许多代码块，这对我来说似乎毫无意义。
您可以使用默认参数 def tmp(x,n,R=None,T=None):。根据R 和T 的值，您会以不同的方式进行操作。
如果我这样做了，我将不得不更改第一个函数，并且我想同时保留它们..
好吧，那就坚持多方法吧。

【解决方案2】：

不知道你的函数中发生了什么使得测试某些东西变得困难...... 你在函数内部哪里定义了 R、s、a 和 T...？

你能不能写一个像这样的函数：

def tmp(x,n,cons):
       if cons is False:#case 1
           R, s, a, T = x[0], x[1], x[2], x[3]
       elif cons is True:#case 2
           R=0 #change them if you want 
           T=60000
           s, a = x[0], x[1]
       #your calculations
       #...

你必须记住（！）你的“最小化”必须看起来像第一种情况：

minimize(tmp,[0,0,3,60000], args=(n,cons),tol =1e-15)#where args is (2,False) for example

对于案例 2 也是这样：

minimize(tmp,[0,3], args=(n,cons),tol =1e-15)#where args is (2,True)

【讨论】：

谢谢，这看起来更像我的想法。我在定义行之后的 tmp(x,n) 中定义了 R,s,a,T，如我的第一篇文章所示。希望这会奏效。抱歉，我不能在这里发布整个函数（一个 36x36 的微分方程系统），因为它是为我正在使用的客户服务的。

【解决方案3】：

这是一个老问题，但我遇到了这个问题并找到了替代解决方案。您可以定义一个“掩码”函数，您可以使用它来重新组装您的标量函数的“feed”向量。例如

import numpy as np
from scipy.optimize import minimize

def test_fun(x):
    return (x[0] - 1)**2 + (x[1] - 2)**2 + (x[2] - 3)**2

def mask_fun(x, x0, mask):
    x_re = np.zeros(len(mask))
    x_re[mask > 0] = x
    x_re[mask == 0] = x0
    return test_fun(x_re)

mask = np.array([1, 1, 1])  # ones to estimate, zero for known/apriori
x_est = np.array([1., 2., 3.])
x_in = x_est[mask > 0]
x_param = x_est[mask == 0]

minimize(mask_fun, x_in, args=(x_param, mask))

【讨论】：