Python scipy.optimize.minimize不'；行不通

我正在尝试Python中的优化函数

scipy.optimize.minimize

。从结果来看，它不起作用。这是我代码的一部分。我只想最小化两个值的差平方和

def calibrate(x):
    # Real equity value and equity volatility from market data
    equity_val = 30.0
    equity_vol = 0.556       
    diff_s = 10000*(geske(x)[0]-equity_val)**2
    diff_vol = 10000*(geske(x)[1]-equity_vol)**2
    diff = diff_s+diff_vol
    return diff
# Here geske is a function defined before, which takes two input parameter and returns several values

bnds = ((0,None), (0,None))
opt = sco.minimize(calibrate, [100,0.3], method='SLSQP', bounds=bnds)

但是，

opt

的结果如下：

---

从结果来看，优化函数似乎不起作用，它只返回我给出的初始猜测值。为什么？校准功能中是否有错误？

您的猜测可能只是最小值。我想测试一些值，但您没有包括

geske

函数。在我要最小化的函数中，它是差的平方和。因此，最小值应为零。此外，我调用的最小化函数是“calibrate”，它将调用geske函数。如果没有该函数，就真的无法提供帮助。最小化函数显示了一系列奇怪的行为。@DavidMaust-好的观点？为什么雅可比长度是3？对于2D问题，我认为它应该是不同的大小和形状。我的猜测是OP试图使用

最小化

来解决离散问题。您的猜测可能只是最小值。我想测试一些值，但您没有包括

geske

函数。在我要最小化的函数中，它是差的平方和。因此，最小值应为零。此外，我调用的最小化函数是“calibrate”，它将调用geske函数。如果没有该函数，就真的无法提供帮助。最小化函数显示了一系列奇怪的行为。@DavidMaust-好的观点？为什么雅可比长度是3？对于二维问题，我认为它应该是一个不同的大小和形状。我的猜测是OP试图使用

最小化

来解决离散问题。