Python 使用带2个变量和插值函数的optimize.minimize from scipy

我没有找到使用多维函数从scipy执行optimize.minimize的方法。在几乎所有的例子中，当我的函数被插值时，分析函数被优化。测试数据集如下所示：

x = np.array([2000,2500,3000,3500])
y = np.array([10,15,25,50])
z = np.array([10,12,17,19,13,13,16,20,17,60,25,25,8,35,15,20])
data = np.array([x,y,z])

而函数类似于F（x，y）=z

我想知道的是在f（2200,12）发生了什么，以及x（2000:3500）和y（10:50）范围内的全局最大值是多少。插值效果很好。但到目前为止，找到全球最大值还不起作用

插值

 self.F2 = interp2d(xx, -yy, z, kind, bounds_error=False)

屈服

<scipy.interpolate.interpolate.interp2d object at 0x0000000002C3BBE0>

将引发异常：

TypeError: __call__() missing 1 required positional argument: 'y'

我认为优化器无法处理插值中的对象。在示例中，人们使用lambda从函数中获取值。我该怎么办

最好的，

---

Alex

首先，要找到全局最大值（而不是最小值），需要用相反的符号插值函数：

F2 = interp2d(x, y, -z)

其次，

minimize

中的可调用函数接受一组参数，

interp2d

对象需要输入坐标作为单独的位置参数。因此，我们不能在

minimize

中直接使用

interp2d

对象；我们需要一个包装器，它将从

minimize

解包一组参数，并将其提供给

interp2d

：

f = lambda x: F2(*x)

第三，要使用

minimize

，您需要指定最小值的初始猜测（在您的例子中是边界）。任何合理的观点都可以：

x0 = (2200, 12)
bounds = [(2000,3500),(10,50)]
print minimize(f, x0, method='SLSQP', bounds=bounds)

这将产生：

  status: 0
 success: True
    njev: 43
    nfev: 243
     fun: array([-59.99999488])
       x: array([ 2500.00002708,    24.99999931])
 message: 'Optimization terminated successfully.'
     jac: array([ 0.07000017,  1.        ,  0.        ])
     nit: 43

---

还有一个可能的解决方案（希望你能想到）：

再创建一个函数（f），并将最小化的值作为参数发送到此函数

from scipy.optimize import minimize

x = data.Height.values
y = data.Weight.values

def f(params):
    w0, w1 = params
    return mse(w0, w1, x, y)

optimum = minimize(f, (0,0), method = 'L-BFGS-B', bounds = ((-100, 100), (-5,5)) )
w0 = optimum.x[0]
w1 = optimum.x[1]

---

还尝试使用lambda函数实现，但没有成功。

感谢您的帮助和评论！现在很好用！

from scipy.optimize import minimize

x = data.Height.values
y = data.Weight.values

def f(params):
    w0, w1 = params
    return mse(w0, w1, x, y)

optimum = minimize(f, (0,0), method = 'L-BFGS-B', bounds = ((-100, 100), (-5,5)) )
w0 = optimum.x[0]
w1 = optimum.x[1]