从Scipy.optimize中最小化，其中函数具有两个输入向量

如何解决从Scipy.optimize中最小化，其中函数具有两个输入向量

我正在学习python和scipy。在我的自学过程中，我尝试使用scipy.optimize

来最小化以下功能

>   def opti_min(sr1_opt,sr3_opt):
>     op = np.sqrt(np.sum(sr1_opt)+np.sum(sr3_opt))
>     return op


opt = minimize(opti_min,strip,method = 'nelder-mead')

sr1_opt是一个列表：- [6.536055555554877e-07， 6.668262226847675e-07， 4.935691987513913e-07， 6.422222222223324e-07， 7.493249219562971e-07， 7.812500000001055e-07， 8.513020291362223e-07]

sr3_opt也是一个列表：- [4.127111433753003e-06，4.419413067362789e-06，4.721714700973233e-06]

strip也是用于初始值的列表： 条= [0.0025,0.005]

sr1_opt值计算为（实际值-strip [0]）** 2和 列表中每个条目的sr3_opt值计算为（实际值-strip [1]）** 2。

因此，所需的输出是将最小化变量“ op”的条带值

我得到的错误是： TypeError：opti_min（）缺少1个必需的位置参数：“ sr3_opt”

我想念什么？

更重要的是，如果我希望带材的输出大于零，应该使用哪种方法进行约束最小化？ 在此先感谢

解决方法

您可以在文档底部看到一个示例，该示例用于最小化页面底部的两个参数的功能... https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.minimize.html

在您的情况下，您将opti_min视为二维变量strip的函数：

values = [0.12,0.65,...] # whatever your values are

def opti_min(strip,values=values):
    # get your lists of edited values
    sr1_opt = [(value - strip[0])**2 for value in values]
    sr3_opt = [(value - strip[1])**2 for value in values]

    # perform your sum
    return np.sqrt(np.sum(sr1_opt)+np.sum(sr3_opt))
    
# init your initial estimate
strip0 = np.array([0.0025,0.005])

res = minimize(opti_min,strip0,method='nelder-mead')

# print result
print(res.x)