用于使功能最小化的输入的结构

Question

我继承了一些尝试使用最小化功能的代码scipy.optimize.minimize。我无法理解fun和jac参数的某些输入

最小化调用如下所示：

result = minimize(func, jac=jac_func, args=(D_neg, D, C), method = 'TNC' ...other arguments)

func 看起来如下：

def func(G, D_neg, D, C):
#do stuff

jac_func 具有以下结构：

def jac_func(G, D_neg, D, C):
#do stuff

我不明白的是G的输入func和jac_func来自何处。这个现象的原因在指定的minimize功能，或者通过该事实method被指定为TNC？我已经尝试对该优化函数的结构进行了一些研究，但是我找不到所需的答案。任何帮助是极大的赞赏

Answer 1

简短的答案是G优化程序在最小化过程中进行维护，而(D_neg, D, and C)参数是从args元组中按原样传递的。

默认情况下，scipy.optimize.minimize采用fun(x)接受一个参数x（可能是数组等）并返回标量的函数。scipy.optimize.minimize然后找到一个参数值xp，使其fun(xp)小于fun(x)的其他值x。优化器负责创建的值x并将其传递给fun评估。

但是，如果您碰巧有一个函数fun(x, y)，该函数具有一些y需要分别传递的附加参数（但是出于优化目的，它被视为常量）？这就是args元组的用途。该文档试图解释args元组的使用方式，但是解析起来可能有些困难：

args： 元组，可选

额外的参数传递给目标函数及其派生类（Jacobian，Hessian）。

有效地，scipy.optimize.minimize将使用星号参数符号args将其余参数作为参数传递给fun：然后fun(x, *args)在优化期间调用该函数。该x部分由优化器传递，而args元组作为剩余参数给出。

因此，在您的代码中，G元素的值由优化程序维护，同时评估的可能值G，并且(D_neg, D, C)元组按原样传递。