如何使用 trust-ncg 进行 scipy 优化最小化

如何解决如何使用 trust-ncg 进行 scipy 优化最小化

我的任务是使用 'trust-ncg' 的 scipy.opt.minimize 方法。我已经给出了函数 f(x,y) 的输出。我在函数中手动找到雅可比行列式。所以，也是黑森州。简化为：

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

def df(params):  # jacobian
  x,y = params
  return np.array([2*x,1])

def hf(params):  # hessian
  x,y = params
  return np.array([[2,0],[0,0])

然后，我的尝试是： res = opt.minimize(foo,[1,1],jac=df,hess=hf,method='trust-ncg',tol=1e-10)

我收到：ValueError: shapes (2,11) and (2,11) not aligned: 11 (dim 1) != 2 (dim 0)。

我在玩宽容，如https://www.programcreek.com/python/example/57330/scipy.optimize.minimize。如果我将容差设置为 1，我将只进行 1 次迭代，但是我只会返回一条直线，这不是我的目标。我还尝试更改函数参数的顺序，但没有达到预期的效果。我尝试了其他版本的粗麻布，作为一维数组，但它没有帮助我。我还尝试将 jacobian 设为 [[0],[1]] 类型。再次，没有效果。

如何使用 trust-ncg 正确调用 scipy opt minimum？