Python scipy.optimize（）值错误：总和的形状不匹配

嗨，我是新来的scipy和numpy

我正在尝试用QP来解决课堂作业中的问题

minimize x^t * H * x  + f^t * x 
where x > 0

其中H是一个2 X 2块矩阵，每个元素都是一个k X k维矩阵，并且 x和f为2 x 1向量，每个元素为k维向量

np.shape(H) = (2, 2, k, k)
np.shape(x) = (2, k)

我得到一个形状不匹配的错误，即使我认为函数是正确的

以下是我的实现：

def func(x):    #This function runs perfectly ,returns a value 

    return 0.5 * np.tensordot(x, np.tensordot(H, x, axes=([1,3],[0,1]))) + np.tensordot(x,f)

x_init = np.ones((2, k))

bnds = (0, None)

theta = opt.minimize(func , x_init, bounds = bnds)
# I get an error here. 
# ValueError: shape-mismatch for sum

---

我错过了什么明显的东西吗

问题是

x_init

被

opt.minimize

压平。您可以通过在函数内重塑

x

来解决此问题：

def func(x):
    x = x.reshape(2, -1)
    return 0.5 * np.tensordot(x, np.tensordot(H, x, axes=([1,3],[0,1]))) + np.tensordot(x,f)

---

结果由

theta

捕获，从属性

theta.x

中优化的

x

也被展平，需要相同的整形。

问题是

x_init

被

opt.minimize

展平。您可以通过在函数内重塑

x

来解决此问题：

def func(x):
    x = x.reshape(2, -1)
    return 0.5 * np.tensordot(x, np.tensordot(H, x, axes=([1,3],[0,1]))) + np.tensordot(x,f)

---

结果由

theta

和属性

theta.x

中优化的

x

捕获，您将看到该属性也被展平，需要相同的整形。

非常感谢！也许我会在第一时间减少矩阵和向量的维数。非常感谢！也许我最好先降低矩阵和向量的维数。