Skip to main content
 首页 » 编程设计

python之使用 scipy.optimize 动态选择参数以最小化 python 中的函数

2025年05月04日12telwanggs

我有一个将变量列表作为参数的函数,我想使用 scipy.optimize.minimize 最小化这个函数。
问题是在运行时决定应该对参数列表中的哪个变量进行最小化。所有其他变量将获得固定值。

让我们举个例子来说明:

a = 1 
c = 1.1 
d = -1.2 
 
def func( b ): 
    return function_to_minimize( array=[a,b,c,d] ) 
 
sol = scipy.optimize.minimize( func, [b0], args=(a,c,d) ) 

这可行,但是,可能是 b、c 和 d 是已知的,我想优化 a 求最小解。

更复杂的是,列表的长度也是未知的。这意味着可以有一个变量 e、f、g、...等等。

实际的表示法如下。 None 元素是应该优化的元素。

array = [1, 1.1, None, -0.5, 4] 
 
def func(arr): 
    return function_to_minimize(arr) 
 
startvalue = 1.0 
sol = scipy.optimize.minimize( func, [startvalue], args='Array without None' ) 

有没有办法告诉 scipy.optimize.minimize 优化哪个元素?是否有我可以做的聪明的 lambda 技巧?

非常感谢您的帮助!

请您参考如下方法:

如您所知,要最小化的函数会根据参数的不同而变化 给出。所以我们需要编写一些动态定义函数的代码。 一种方法是定义一个模板字符串,进行一些字符串格式化以 根据给定的参数修改模板,然后使用exec来 定义函数。这有一些优先级——标准库使用这个 technique to define namedtuples .

因此,例如,如果我们希望最小化的表达式是

4*(b-a)**2 + 5*(c-d)**2 

那么你可以使用

import textwrap 
import scipy.optimize as optimize 
 
def make_model(*fixed): 
    template = textwrap.dedent(""" 
        def func(variable, {fixed}): 
            {variable} = variable 
            return 4*(b-a)**2 + 5*(c-d)**2 
        """) 
    variable = set(('a', 'b', 'c', 'd')).difference(fixed) 
    ns = dict() 
    funcstr = template.format(variable=', '.join(variable), fixed=', '.join(fixed)) 
    print(funcstr)  # comment out if you don't want to see the function 
    exec funcstr in ns 
    return ns['func'] 
 
def solve(initial_guess, **givens): 
    fixed = tuple(givens.keys()) 
    vals = tuple(givens.values()) 
    sol = optimize.minimize(make_model(*fixed), initial_guess, args=vals) 
    return sol 
 
print(solve(initial_guess=1, a=1, c=1.1, d=-1.2)) 

产生

def func(variable, a, c, d): 
    b = variable 
    return 4*(b-a)**2 + 5*(c-d)**2 
 
   status: 0 
  success: True 
     njev: 1 
     nfev: 3 
 hess_inv: array([[1]]) 
      fun: array([ 26.45]) 
        x: array([ 1.]) 
  message: 'Optimization terminated successfully.' 
      jac: array([ 0.]) 
      nit: 0 

print(solve(initial_guess=(1, 1), a=1, c=1.1)) 

产量

def func(variable, a, c): 
    b, d = variable 
    return 4*(b-a)**2 + 5*(c-d)**2 
 
   status: 0 
  success: True 
     njev: 3 
     nfev: 12 
 hess_inv: array([[1, 0], 
       [0, 1]]) 
      fun: 2.4611848645596973e-16 
        x: array([ 0.99999999,  1.1       ]) 
  message: 'Optimization terminated successfully.' 
      jac: array([  1.19209279e-08,   2.88966118e-08]) 
      nit: 1