Numpy 如何使用信任ncg进行scipy优化最小化

我的任务是使用

scipy.opt.minimize

的

'trust-ncg'

方法。 我已经给出了函数的输出

f（x，y）

。我在函数中手动查找雅可比矩阵。所以，还有黑森人。简而言之，它是：

def foo（参数）：
x、 y=参数
返回x*x+y
def df（参数）：#雅可比
x、 y=参数
返回np.array（[2*x，1]）
def hf（参数）：#hessian
x、 y=参数
返回np.array（[[2,0]，[0,0]）

那么，我的尝试是： res=选择最小化（foo[1,1]，jac=df，hess=hf，method='trust-ncg'，tol=1e-10）

我收到：

value错误：形状（2,11）和（2,11）未对齐：11（尺寸1）！=2（尺寸0）

我在玩公差，如中所示。如果我将公差设置为1，我将只进行1次迭代，但然后我将简单地返回一条直线，这不是我的目标。 我还尝试更改函数参数的顺序，但没有达到预期效果。我尝试了hessian的其他版本，如1d数组，但对我没有帮助。我还尝试将jacobian类型设置为[[0]、[1]]。同样，没有效果

---

如何正确地使用信任ncg调用scipy opt最小化？

我在“XX/XX/.local/lib/python3.8/site packages/scipy/optimize/\u trustregion\u ncg.py”第90行中看到，在solve dBd=np.dot（d，Bd）中，您使用的是哪个版本的scipy（参见

scipy.\u version\uuu

）？您的示例代码在这里运行良好。您从哪里获得11？