Scipy Optimize 只返回 x0，只完成一次迭代

Question

我正在使用 scipy optimize 来获取以下函数的最小值：

def randomForest_b(a,b,c,d,e):

 return abs(rf_diff.predict([[a,b,c,d,e]]))

我最终希望能够在给定参数 (c,d,e) 的情况下获得 (a) 和 (b) 的最佳值。然而，只是为了学习如何使用优化函数，我试图在给定其他参数的情况下获得 (a) 的最佳值。我有以下代码：

res=optimize.minimize(randomForest_b, x0=45,args=(119.908500,65.517527,2.766103,29.509200), bounds=((45,65),))

print(res) 

我什至尝试过：

optimize.fmin_slsqp(randomForest_b, x0=45,args=(119.908500,65.517527,2.766103,29.509200), bounds=((45,65),))

但是，这两者都只返回 x0 值。

Optimization terminated successfully.    (Exit mode 0)

        Current function value: 1.5458542752157667

        Iterations: 1

        Function evaluations: 3

        Gradient evaluations: 1

array([ 45.])

当前函数值是正确的，但是在边界内的所有数字之间，x0 不返回最小函数值。我设置了边界，因为变量 a 只能是 45 到 65 之间的数字。我是否遗漏了什么或做错了什么？如果可能，我怎样才能获得 a 和 b 的最佳值？