python - 最小化以numpy数组为参数的python函数

Question

我是 python 的新手，我遇到了以下问题:我正在尝试最小化一个 python 函数，该函数将一个 numpy 数组作为其参数之一。当我使用 scipy.optimize.fmin 时，它将我的数组变成一个列表(这导致函数无法计算)。是否有接受 numpy 数组作为函数参数的优化函数？

提前致谢!

-MB

编辑:这是我正在谈论的例子，由@EOL 提供:

import scipy.optimize as optimize
import numpy as np

def rosen(x):
    print x
    x=x[0]
    """The Rosenbrock function"""
    return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)
x0 = np.array([[1.3, 0.7, 0.8, 1.9, 1.2]])
xopt = optimize.fmin(rosen, x0, xtol=1e-8, disp=True)
#[ 1.3  0.7  0.8  1.9  1.2]
#(note that this used to be a numpy array of length 0, 
#now it's "lost" a set of brackets")

Answer 1

这是一个使用 optimize.fmin 的例子，它来自 scipy tutorial :

import scipy.optimize as optimize
def rosen(x):
    """The Rosenbrock function"""
    return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)
x0 = [1.3, 0.7, 0.8, 1.9, 1.2]
xopt = optimize.fmin(rosen, x0, xtol=1e-8, disp=True)
# Optimization terminated successfully.
#          Current function value: 0.000000
#          Iterations: 339
#          Function evaluations: 571
print(xopt)
# [ 1.  1.  1.  1.  1.]

这有帮助吗？如果不是，您能否修改此示例以显示正在变成列表的内容？