传递具有多个独立变量和多个参数的函数以科学地优化最小化

Question

this question之后，我想让我的问题尽可能具体，重点放在我无法解决的部分上。考虑一个非常简单的功能：

def foo(x, y, a, b, c):
    return a * x**4 + b * y**2 + c

现在，我想使用scipy.optimize.minimize或任何其他现有函数来查找x和y（即参数），以在给定常量foo，a和[ C0]（即args）。如果我只有一个参数且有多个参数，则可以从b执行：

c

并且如果我只有自变量，没有常数args，那么从this page中我可以这样做：

def foo(x, *args):
    a, b, c = args
    return a * x**4 + b * x**2 + c

# X0 = to some scalar
# ARGS = a tuple of scalars (A, B, C) 

x_min = scipy.optimize.minimize(foo, x0=X0, args=ARGS)

但是，我不能使用以上任何语法。我相信我必须将我的功能定义为：

this page

但是我不知道如何将

def foo(*params):
    x, y = params
    return 4 * x**4 + 2 * y**2 + 1

# P0 = to a list of scalars [X0, Y0] 

x_min = scipy.optimize.minimize(foo, x0=P0)

和

def foo(*args, **kwargs):
    x, y = args
    a, b, c = tuple(kwargs.values())
    return a * x**4 + b * y**2 + c

传递给args函数。如果您能帮助我理解用多个独立参数和kwargs函数的常量参数定义scipy.optimize函数的最佳方法，我将不胜感激。感谢您的提前支持。

Answer 1

代替传递foo并使scipy传递常量参数，您可以使用scipy.optimize或foo自己绑定它们：

lambda

或：

functools.partial

然后：

A, B, C = some_const_values
foo1 = lambda x, y: foo(x, y, A, B, C)