Python SciPy'中的多个变量；s.最小化

根据该模型，可以最小化具有多个变量的函数，但它没有说明如何对这些函数进行优化

from scipy.optimize import minimize
from math import *

def f(c):
  return sqrt((sin(pi/2) + sin(0) + sin(c) - 2)**2 + (cos(pi/2) + cos(0) + cos(c) - 1)**2)

print minimize(f, 3.14/2 + 3.14/7)

上面的代码确实试图最小化函数

f

，但是对于我的任务，我需要最小化三个变量

只需引入第二个参数并相应地调整minimize就会产生一个错误（

TypeError:f（）正好接受2个参数（给定1个）

）

---

当使用多个变量进行最小化时，

最小化

是如何工作的。

将多个变量打包到一个数组中：

import scipy.optimize as optimize

def f(params):
    # print(params)  # <-- you'll see that params is a NumPy array
    a, b, c = params # <-- for readability you may wish to assign names to the component variables
    return a**2 + b**2 + c**2

initial_guess = [1, 1, 1]
result = optimize.minimize(f, initial_guess)
if result.success:
    fitted_params = result.x
    print(fitted_params)
else:
    raise ValueError(result.message)

---

print（params）

显示数组，但它们是什么？我首先在函数调用中没有看到向函数

f

发送任何输入

params

。

params

如何对应于正在优化的函数？为什么三个结果元素相同（

-1.66705302e-08

）。如何优化多个矢量决策变量而不是多个标量决策变量？您的代码显示一个标量决策变量

c

。没有其他两个决策变量的指示，这意味着这不是您要求解的多元函数。您希望为未显示的函数优化三个决策变量，每个变量也是标量，

a

，

b

，

c

？你有没有一个2个向量作为决策变量的例子？例如，

x

和

y

是两个决策向量/数组，而不是scalars@develarist我认为最好对你所问的问题单独提出一个问题。但是，如果你需要优化两个向量，我会考虑向量的每个元素是一个要优化的变量。如果你有两个三元素向量，你有6个变量需要优化。

[ -1.66705302e-08  -1.66705302e-08  -1.66705302e-08]