Optimization 优化（scipy.optimize）L-BFGS-B包装参数将数组元素视为一个变量

我无法理解此错误的来源：

第327行，函数_包装中 返回函数（*（包装器参数+参数）） TypeError:SSVOptionPriceObjFunc（）缺少1个必需的位置参数：“marketVolSurface”

相关代码如下：

x0 = [1.0, 0.0] # (lambda0, rho)
x0 = np.asarray(x0)
args = (spot, 0.01*r, daysInYear, mktPrices, volSurface)
# constraints: lambd0 >0, -1<= rho <=1
boundsHere = ((0, None), (-1, 1))
res = minimize(SSVOptionPriceObjFunc, x0, args, method='L-BFGS-B', jac=None, 
bounds=boundsHere,options={'xtol': 1e-8, 'disp': True})

我的目的是找到（lambd0，rho）给出的最小值。从调试器中，我的初始猜测x0似乎被解释为单个变量，而不是向量，给出了缺少位置参数的错误。我曾尝试将x0作为列表、元组和ndarray传递；都失败了。有人能发现错误，或建议解决方法吗？先谢谢你

更新：我找到了一个解决方案：使用functools包中的包装函数来设置参数。 将工具作为ft导入 SSVOptionPriceObjFuncWrapper=ft.partial（SSVOptionPriceObjFunc，spot=spot， spotInterestRate=0.01*r，daysInYear=daysInYear，marketPrices=mktPrices， marketVolSurface=volSurface）

然后将SSVOOptionPriceObjFuncWrapper传递给args=None的最小值

---

感谢您的回复。

认真对待记录在案的

最小化
输入。您的工作是编写适合
最小化
功能的函数，而不是相反

scipy.optimize.minimize(fun, x0, args=(), 
    fun: callable
    The objective function to be minimized.

    fun(x, *args) -> float

    where x is an 1-D array with shape (n,) and args is a tuple of the fixed 
    parameters needed to completely specify the function.

（不用尝试）：我认为函数中的
lambda0
将传递一个大小为2的1d数组。这可能不是你所期望的。尝试将函数更改为：
def SSVOptionPriceObjFunc（x，spot，spotInterestRate，daysInYear，marketPrices，marketVolSurface）
plus inside
lambda0，rho=x
也可以看到，这实际上意味着行为：
fun（x，*args）->float
目标函数的第一个参数是
x0
，迭代变量。其余的从
args
参数获取值，并且是固定的。您必须了解如何将
lambda0
和
rho
组合到一个数组中。
scipy.optimize.minimize(fun, x0, args=(), 
    fun: callable
    The objective function to be minimized.

    fun(x, *args) -> float

    where x is an 1-D array with shape (n,) and args is a tuple of the fixed 
    parameters needed to completely specify the function.