python - scipy.optimize.fmin 有 2 个变量。如何让它发挥作用

Question

我可以毫无问题地让 scipy.optimize.fmin 适用于具有一个变量的函数，但不知何故我无法弄清楚如何让它适用于 2 个变量。下面是我尝试(但失败)最大化的函数的一个简单示例。我做错了什么？

from scipy.optimize import fmin

test2 = lambda x,y: x-x**2 + y - y**2
guess = [ 0.5,0.5 ] #just some guess
print fmin( -test2, guess, args=(x,y) )

错误信息:

print fmin( -test2, guess, args=(x,y) )
TypeError: bad operand type for unary -: 'function'

更新:感谢您的回答!最后得到了以下也有效的方法:

谢谢，成功了。最终得到了以下也有效的代码:

from scipy.optimize import fmin
test2 = lambda x: -(x[0]-x[0]**2 + x[1] - x[1]**2 )
guess = [ 0.5,0.5 ] #just some guess
print fmin( test2, guess )

Optimization terminated successfully.
         Current function value: -0.500000
         Iterations: 18
         Function evaluations: 37
[ 0.5  0.5]

您可能已经猜到了，我仍在学习基础知识，并不总是能找到那么明显的错误消息。

Answer 1

错误信息非常明确:你不能否定一个函数。将否定移动到函数定义中。同时，您应该更改该函数，使其适用于单个参数，一个 NumPy 数组:

>>> def test2(x):
...     return -np.sum(x - x**2)
... 
>>> test2(np.array([.5, .5]))
-0.5

然后在没有 args 的情况下最小化它:

>>> fmin(test2, np.array([.5, .5]))
Optimization terminated successfully.
         Current function value: -0.500000
         Iterations: 18
         Function evaluations: 37
array([ 0.5,  0.5])