我继承了一些试图最小化函数的代码scipy.optimize.minimize。我无法理解fun和jac参数的一些输入
最小化的调用看起来像这样：
result = minimize(func, jac=jac_func, args=(D_neg, D, C), method = 'TNC' ...other arguments)
func如下所示：
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G输入的来源func和jac_func来源。是在函数中以某种方式指定的，还是通过将指定为minimize的事实？我试图对这个优化函数的结构进行一些研究，但我无法找到我需要的答案。任何帮助是极大的赞赏methodTNC
简短的回答是，G优化器将其作为最小化过程的一部分进行维护，而(D_neg, D, and C)参数则从args元组中按原样传递。
默认情况下，接受一个接受一个参数（可能是数组等）并返回一个标量scipy.optimize.minimize的函数。然后找到一个参数值，它小于的其他值。优化器负责创建值并将其传递给评估。fun(x)xscipy.optimize.minimizexpfun(xp)fun(x)xxfun
但是如果你碰巧有一个函数fun(x, y)有一些额外的参数y需要单独传入（但为了优化的目的被认为是一个常量）？这就是args元组的用途。该文档试图解释如何使用 args 元组，但它可能有点难以解析：
args：元组，可选
传递给目标函数及其导数（Jacobian，Hessian）的额外参数。
实际上，scipy.optimize.minimize将使用星号参数表示法将任何内容args作为参数的其余部分传递给 ：然后在优化期间fun调用该函数。fun(x, *args)该x部分由优化器传入，args元组作为剩余参数给出。
因此，在您的代码中，G元素的值由优化器维护，同时评估 的可能值G，并且(D_neg, D, C)元组按原样传递。