Python 多变量优化（使用scipy.optimize.minimize）

我想在一个方程上实现Nelder-Mead优化。但它不仅包含一个变量，还包含多个变量（其中一个是未知的，其他的是已知的）

例如，在本例中：

如果我的罗森（x）是

与示例中提到的不同，我如何优化它？ 如果我打电话

res = minimize(rosen, x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})

它说这需要两个论点 如果我打电话

res = minimize(rosen(y), x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})

在代码前面已经定义了y的情况下，我得到了相同的错误。如果我叫它

res = minimize(rosen(x,y), x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})

---

我得到一个错误，没有定义x。

通过参数

args

向对象传递参数。优化rosen（x，2）：

请注意，变量

x

是一个5维向量，正如您在起点

x0

的定义中所看到的，因此

rosen（x，2）

有五个变量。如果要最小化rosen（x，y），请定义一个目标函数

def rosen2(zz):
    return rosen(zz[:5], zz[5])

---

通过参数

args

向对象传递参数。优化rosen（x，2）：

请注意，变量

x

是一个5维向量，正如您在起点

x0

的定义中所看到的，因此

rosen（x，2）

有五个变量。如果要最小化rosen（x，y），请定义一个目标函数

def rosen2(zz):
    return rosen(zz[:5], zz[5])

def rosen2(zz):
    return rosen(zz[:5], zz[5])