Python 多元lambdizing函数

我试图优化成本函数EL_c

EL_c=-300.49858410695*C_0 - 301*C_1 - 60.2000000000003*C_2

在使用

EL_c.free_symbols={C_0,C_1,C_2}

我试着用

ff=lambdify(("C_0","C_1","C_2"),EL_c)

然后

x0=(1,1,1)
scipy.optimize.minimize(ff,x0,method="Nelder-Mead")

然而，我得到了错误

TypeError: <lambda>() missing 2 required positional arguments: 'C_1' 
and 'C_2'

TypeError:（）缺少2个必需的位置参数：“C_1”
和“C_2”

理想情况下，我希望能够使用上述方法优化函数。

正如中正确指出的那样，正在优化的可调用函数必须接受形状（N，）的元组，而不仅仅是N个参数

对我起作用的是：

ff = lambdify((A,B,C), EL_c)
fff = lambda x: ff(*x) # Unpack tuple into positional args
scipy.optimize.minimize(fff, x0=(1,1,1), method="Nelder-Mead")

（我的变量被称为A，B，C。）

正如中正确指出的那样，正在优化的可调用函数必须接受一个元组（N，），而不仅仅是N个参数

对我起作用的是：

ff = lambdify((A,B,C), EL_c)
fff = lambda x: ff(*x) # Unpack tuple into positional args
scipy.optimize.minimize(fff, x0=(1,1,1), method="Nelder-Mead")

---

（我的变量被称为A，B，C。）

我想你只需要将调用更改为最小化：不要将lambda的变量放入元组中，只需将它们放入最小化：

scipy.optimize.minimize（ff，1，1，method=“Nelder-Mead”）

我已经尝试过了，但我得到了“minimize（）为参数获取多个值”方法“Hhm”，那太糟糕了。。。我认为一个稍微有点不妥的选择是给lambda一个包含三个变量的元组，但我想这不是这里的计划：/我想你只需要将调用更改为最小化：不要将lambda的变量放在元组中，只需将它们放在最小化中：

scipy.optimize.minimize（ff，1，1，method=“Nelder-Mead”）

我已经尝试过了，但是我得到了“minimize（）为参数获取多个值”方法“嗯，这很糟糕。。。我认为一个稍微有点不妥的选择是给lambda一个包含三个变量的元组，但我想这不是这里的计划：/谢谢你的回答。你知道我如何在-1和1之间增加限制A，B，C吗？我使用了con0=x[0]+1 con1=1-x[0]con2=x[1]+1 con3=1-x[1]con4=x[1]+1 con5=1-x[1]cons=（{'type'：'ineq'，'fun'：con0}，{'type'：'ineq'，'fun'：con1}，{'type'：'ineq'，'fun'：con2}，{'type'：'ineq'，'fun'，'con3}，{'type'：'ineq'，'fun'，{'type'：'ineq'，'fun'，'con3}，{'type'，'type'：'ineq'，'fun'，'con4'，{'type'，'type'：'ineq'：'fun}，再次检查链接的文档。对于某些优化方法，有一些方法可以指定边界和/或约束。感谢您的回答。你知道我如何在-1和1之间增加限制A，B，C吗？我使用了con0=x[0]+1 con1=1-x[0]con2=x[1]+1 con3=1-x[1]con4=x[1]+1 con5=1-x[1]cons=（{'type'：'ineq'，'fun'：con0}，{'type'：'ineq'，'fun'：con1}，{'type'：'ineq'，'fun'：con2}，{'type'：'ineq'，'fun'，'con3}，{'type'：'ineq'，'fun'，{'type'：'ineq'，'fun'，'con3}，{'type'，'type'：'ineq'，'fun'，'con4'，{'type'，'type'：'ineq'：'fun}，再次检查链接的文档。对于某些优化方法，有指定边界和/或约束的方法。