如何在优化函数（scipy、Python）中更改 x 数组？答案

【问题标题】：How to change x array in optimized function (scipy, Python)?如何在优化函数（scipy、Python）中更改 x 数组？
【发布时间】：2016-05-12 01:11:41
【问题描述】：

今天我想问你下一个问题——如何在优化函数（scipy、Python）中改变x数组？

例子：

from scipy.optimize import minimize  

def function(x):
    for i in range(len(x)):
        if x[i]<0:
            x[i]=0
    F = 0.0
    print list(x)
    for i in x:
        F += i**3
return F

n = 5
x0=[]
for i in range(n):
    x0.append(-1.0)
res = minimize(function, x0, method='Nelder-Mead')

print res

但是结果是数组([-1., -1., -1., -1., -1.]):

.........................  
.........................  
[0.0, 0.0, 0.0, 0.0, 0.0]  
[0.0, 0.0, 0.0, 0.0, 0.0]  
[0.0, 0.0, 0.0, 0.0, 0.0]  
[0.0, 0.0, 0.0, 0.0, 0.0]  
[0.0, 0.0, 0.0, 0.0, 0.0]  
[0.0, 0.0, 0.0, 0.0, 0.0]  
  status: 1  
    nfev: 1006  
 success: False  
     fun: 0.0  
       x: array([-1., -1., -1., -1., -1.])  
 message: 'Maximum number of function evaluations has been exceeded.'  
     nit: 148

【问题讨论】：

标签： python optimization scipy minimize

【解决方案1】：

不要更改数组！而是以其他方式计算结果。例如，不要写帖子中的代码，而是写：

def f(x):
    return (x[x > 0] ** 3).sum()

然后：

>>> x0 = np.full((5,), -1)
>>> print(minimize(f, x0, method='Nelder-Mead'))
final_simplex: (array([[-1.      , -1.      , -1.      , -1.      , -1.      ],
                       [-1.000098, -1.      , -1.      , -1.      , -1.      ],
                       [-1.      , -1.000098, -1.      , -1.      , -1.      ],
                       [-1.      , -1.      , -1.000098, -1.      , -1.      ],
                       [-1.      , -1.      , -1.      , -1.000098, -1.      ],
                       [-1.      , -1.      , -1.      , -1.      , -1.000098]]),
                array([ 0.,  0.,  0.,  0.,  0.,  0.]))
           fun: 0.0
       message: 'Optimization terminated successfully.'
          nfev: 69
           nit: 10
        status: 0
       success: True
             x: array([-1., -1., -1., -1., -1.])

这里详细解释了我的函数f 的工作原理：

x > 0 计算一个与x 具有相同形状的布尔数组，对于x 中大于0 的每个元素具有True，否则False。例如：
```
>>> x = np.array([-1, 0, 1, 2, 3])
>>> x > 0
array([False, False,  True,  True,  True], dtype=bool)
```
x[x > 0] 使用Boolean indexing 选择x 中大于零的元素：
```
>>> x[x > 0]
array([1, 2, 3])
```
x[x > 0] ** 3 是一个由大于零的x 元素组成的立方体数组：
```
>>> x[x > 0] ** 3
array([ 1,  8, 27])
```
数组上的sum 方法将所有元素相加：
```
>>> (x[x > 0] ** 3).sum()
36
```

【讨论】：