使用 sp.optimize.minimize Python 的目标函数和雅可比的不同参数

Question

我想用 sp.optimize.minimize 在 x 上优化函数 f(x,y,z)。Jacobian 只依赖于 x 和 y，它是函数 J(x,y)。（这只是一个玩具示例）

如果我尝试：

import numpy as np

import scipy as sp

def f(x,y,z):

  return(x**2+x*y**3+z)

def J(x,y):

  return(2*x+y**3)

x0,y,z=0,1,4

sp.optimize.minimize(f,x0,args=(y,z),jac=J)

我收到一个错误“J() 接受 2 个位置参数，但给出了 3 个”，因为优化将 y 和 z 传递给 J。

有什么方法可以定义我想传递给 f 的参数，以及我想传递给 J 的参数吗？

（一种选择是定义 f 和 J ，使它们具有相同的参数，而忽略函数不需要的参数，但我希望有更优雅的方法）

Answer 1

根据手册，雅可比行列式是带有签名的可调用文件J(x, *args)您的示例args中明确的固定参数在哪里。args=(y,z)所以一般不会。另一方面，没有什么能阻止你写：def J(x, y, z):  return 2*x + y**3而且我在这里看不到任何“不雅”的东西。一般来说，我们写df(x, y, z)/dx = f'(x, y, z)无论如何，这适用于f'独立于其中一个变量 - 我们不知道，而且没有人对这种写作皱眉。如果你真的想要，你可以拥有：def J(x, *args):    return 2*x + args[0]**3隐藏额外的变量。不过，我不会称这更优雅。