在 Python 中定义动态函数答案

【问题标题】：Defining a dynamic function in Python在 Python 中定义动态函数
【发布时间】：2017-10-03 11:58:15
【问题描述】：

我正在尝试使用 BFGS 方法最小化一个函数。最初，我将函数创建为表达式。在第一次迭代中，我的第一个表达式是

f_sym = ((x0 - x6)**2 + (y0 - y6)**2)**0.5 + ((x0 - x9)**2 + (y0 - y9)**2)**0.5 + ((-x1 + 36)**2 + (-y1 + 9)**2)**0.5 + ((x1 - x7)**2 + (y1 - y7)**2)**0.5 + ((-x10 + x3)**2 + (-y10 + y3)**2)**0.5 + ((-x10 + x7)**2 + (-y10 + y7)**2)**0.5 + ((-x12 + x3)**2 + (-y12 + y3)**2)**0.5 + ((-x12 + x6)**2 + (-y12 + y6)**2)**0.5 + ((-x9 + 48)**2 + (-y9 + 97)**2)**0.5

variables = [x1, y1, x9, y9, x0, y0, x6, y6, x7, y7, x3, y3, x10, y10, x12, y12]     #variables of the function expression f_sym

fprime_sym = [f_sym.diff(x_) for x_ in variables] # derivative of f_sym

要为上述符号表达式创建向量化函数，我使用sympy.lamdify，如下所示：

f_lmbda = sympy.lambdify(symvar, f_sym, 'numpy')        
fprime_lmbda = sympy.lambdify(symvar, fprime_sym, 'numpy')

sympy.lambdify 生成的函数为相应表达式中的每个变量采用一个参数。此外，SciPy 优化函数需要一个矢量化函数，其中所有坐标都打包到一个数组中。为了获得与 SciPy 优化例程兼容的函数，我们需要将 sympy.lambdify 生成的每个函数都用一个重新洗牌的 Python 函数包装参数。我尝试如下：

def func_XY_to_X_Y(f):
     """ Wrapper for f(X) -> f(X[0], X[1])"""

 return lambda X: np.array(f(X[0],X[1],X[2],X[3],X[4],X[5],X[6],X[7],X[8],X[9],X[10],X[11],X[12],X[13],X[14])) #since f_sym has 14 parameters we need 14 X[i]s

f = func_XY_to_X_Y(f_lmbda)
fprime = func_XY_to_X_Y(fprime_lmbda)

现在函数 f 和 fprime 是向量化的 Python 函数。那么，

x_opt = optimize.fmin_ncg(f, x_0, fprime=fprime, fhess=fhess) #x_0 is the initial condition for all the variables

这解决了函数并返回变量值的新数组。

如果只有一个函数表达式，这个过程可以手动完成。但是如果这发生在一个循环中，每个函数表达式中的变量数量将是不同的。因此，我需要使我的def func_XY_to_X_Y(f): 成为动态的。

有人可以帮我把它变成一个动态的吗？

【问题讨论】：

标签： python-3.x lambda mathematical-optimization

【解决方案1】：

使用*-argument unpacking operator：

def func_XY_to_X_Y(f):
    """ Wrapper for f(X) -> f(X[0], X[1], ..., X[n])"""
    return lambda X: np.array(f(*X))

【讨论】：

谢谢，Unutbu...但是我怎样才能要求自动更改计数（n）？
f(*X) 等价于f(X[0], X[1], ..., X[n])，其中n 是len(X)-1。从这个意义上说，n 由 * 参数解包运算符自动处理。