Python 将具有多个自变量和多个参数的函数传递给scipy optimize最小化

接下来，我想让我的问题尽可能具体，集中在我无法解决的部分。考虑一个非常简单的函数：

def foo（x，y，a，b，c）：
返回a*x**4+b*y**2+c

现在我想使用

scipy.optimize.minimize

或任何其他现有函数来查找

x

和

y

（即参数）以最小化

foo

，给定常量

a

、

b

和

c

（即args）。如果我只有一个参数和多个参数，那么我可以：

def foo（x，*args）：
a、 b，c=args
返回a*x**4+b*x**2+c
#X0=某个标量
#ARGS=标量的元组（a、B、C）
x_min=scipy.optimize.minimize（foo，x0=x0，args=args）

如果我只有自变量，没有常数args，那么我可以：

def foo（*参数）：
x、 y=参数
返回4*x**4+2*y**2+1
#P0=标量列表[X0，Y0]
x_min=scipy.optimize.minimize（foo，x0=P0）

但是，我不能使用上述任何语法。我认为我必须将我的功能定义为：

def foo（*args，**kwargs）：
x、 y=args
a、 b，c=元组（kwargs.values（））
返回a*x**4+b*y**2+c

---

但是我不知道如何将

args

和

kwargs

传递给

scipy.optimize

函数。如果您能帮助我了解定义

foo

函数的最佳方法是什么，并为

scipy.optimize

函数提供多个独立参数和常量参数，我将不胜感激。提前感谢您的支持。

您可以使用

lambda

或

functools自己绑定常量参数，而不是传递
foo
并让scipy传递常量参数。partial

：

A, B, C = some_const_values
foo1 = lambda x, y: foo(x, y, A, B, C)

或：

然后：

---

啊哈，很酷的解决办法。非常感谢。因此，没有办法将带有

*args、**kwargs

的函数直接传递到

scipy。在不定义lambda或中间函数的情况下优化
函数？我将在几小时内对此进行测试，然后回来批准答案。我尝试了您的代码。我不确定它是否能像现在这样工作。我认为，
x，y
参数需要分解成一个类似于
foo\ux0=lambda P:foo（P[0]，P[1]，A，B，C）
，然后
最小化（foo\ux0=[x0，Y0]）
。我不会将此编辑应用于你的帖子，你不会收到任何通知。你最好自己看一下。你看一个例子
import functools
foo1 = functools.partial(foo, a=A, b=B, c=C)

x_min = scipy.optimize.minimize(foo1, ...)