时间戳

首页 > 解决方案 > 为 Python 的 scipy 最小化结合目标和雅可比

python - 为 Python 的 scipy 最小化结合目标和雅可比

问题描述

我想知道是否可以使用一个同时返回目标值和雅可比值的函数，这样程序就不必计算某些值两次。

我想在 Python 的 scipy 优化最小化例程中使用它。在示例https://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html他们不这样做，所以我只是想知道是否可能。

我正在寻找的是这样的：

 def obj_jac(c1):
    A2 = RR*A1 + y1 - c1

    obj = some_fun1(A2)
    jac = some_fun2(A2)
    return obj,jac

接着：

  sol = minimize(obj_jac[0],c1_0,jac=obj_jac[1])

目标是 obj_jac 的第一个返回值，而雅可比是第二个。然而，上面的格式给出了错误：“TypeError: 'function' object is not subscriptable”。

这是当前有效的代码，但计算 A2 两次：

 def obj_fun(c1):

    A2 = RR*A1 + y1 - c1

    obj = some_fun1(A2)
    return obj


 def jac_fun(c1):

    A2 = RR*A1 + y1 - c1

   jac = some_fun2(A2)
   return jac


sol = minimize(obj_fun,c1_0,jac=jac_fun)

有没有办法避免必须计算 A2 两次？（这只是一个非常简单的例子）。

标签： pythonscipyscipy-optimize

解决方案

最小化的文档说：

jac{callable, ‘2-point’, ‘3-point’, ‘cs’, bool}, optional

如果 jac 是布尔值并且为 True，则假定 fun 将梯度与目标函数一起返回。

所以只需使用：

sol = minimize(obj_jac, c1_0, jac=True)

见https://stackoverflow.com/a/37735355/1358308

推荐阅读