问题描述
我正在尝试按照此结构解决最小化问题:
res=minimize(objective_fnc,x0,args=param,method='Nelder-Mead)
我需要传递一系列参数,这些参数不是优化变量的参数,而是参数,以更一般的方式更改问题的条件/边界。例如,变量 param 是一个带有下一个参数的元组:param = (p1,p2,p3)
每当我调用 objective_fnc
时,我都需要传递初始条件 x0
和带有参数的元组,以便在目标函数中使用这些参数。例如,objective_fnc(x0,param)
问题是我收到此错误:objective_fnc() takes 2 positional arguments but 4 were given
我知道如果我传递初始条件和参数(不作为元组的一部分,这样:objective_fnc(x0,p1,p3)
)它可以工作,但我想以更简单的方式编写它以备不时之需稍后传递其他参数。
这里有 minimal reproducible example 有效,其中所有参数都一一传递。但是,如果我将 p1,p3
更改为 `param',则会出现错误。
import numpy as np
from scipy.optimize import minimize
def objective_fnc(x,p3):
"""The Rosenbrock function"""
return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)
class CallbackFunctor:
def __init__(self,obj_fun):
self.num_calls = 0
if self.num_calls == 0:
print('Optimization problem started')
self.obj_fun = obj_fun
def __call__(self,x):
fun_val = self.obj_fun(x,p3)
self.num_calls += 1
if self.num_calls % 5 == 0:
print('Work in progress...')
print(p1)
print(p2)
print(p3)
cb = CallbackFunctor(objective_fnc)
# Parameters
p1=10
p2=20
p3=30
param=(p1,p3)
x0 = np.array([1.3,0.7,0.8,1.9,1.2])
res = minimize(objective_fnc,args=(p1,p3),method='nelder-mead',callback=cb,options={'xatol': 1e-8,'disp': True})
print(res.x)
解决方法
如果您的函数具有签名 objective_func(x,bound_limits)
,其中 bounds_limits
是一个元组,您需要确保解包 args 产生一个元组。因此,您需要传递一个元组的 Iterable:
bound_limits = (param1,param2,param3,param4,param5,param6,param7,param8)
res = minimize(objective_fnc,x0,args=(bound_limits,),method='Nelder-Mead)
请注意,不需要 args
参数。您可以使用 lambda 函数实现相同的目的:
res = minimize(lambda x: objective_fnc(x,bound_limits),method='Nelder-Mead')
,
尝试使用 unpatch with :
objective_fnc(Xo,*bound_limits)
https://stackabuse.com/unpacking-in-python-beyond-parallel-assignment