如何在scipy.optimize.minimize函数中更新参数值

Question

在我的问题中，我需要更新成本函数内的args值，但args是一个函数参数，也具有元组结构。我想知道是否有一种方法可以改变args的元素并更新它以通过jac函数使用它?例如，在以下代码

中

paraList = [detValVec, projTrans, MeasVec, 
            coeMat, resVec, absCoeRec]
res = optimize.minimize(costFunc, x0, args=(paraList,), method='BFGS', jac=gradientFunc, options={'gtol': 1e-6, 'disp': True}) 
def costFunc(x0,arg):
    para = list(arg)
    para[3], para[4], para[5] = forwardModelFunc(para[0], para[1], para[2]) 
    return para[5]

我想更新args参数中的para[3]， para[4]， para[5]。

Answer 1

为了最小化costFunc，你必须能够改变输入参数(否则它将始终具有相同的值!)。optimize.minimize函数将改变("更新")x，但它将保持args不变，因为它调用costFunc，这意味着您的paraList应该真正被给定为x，而不是args。

由于costFunc仅依赖于参数列表para[:3]中的前三个值，更新最后三个para[3:]将没有影响，因此您可以使用x = para[:3]和args = para[3:]。事实上，你甚至根本不需要args，因为它没有任何作用。

类似:

paraList = [detValVec, projTrans, MeasVec, coeMat, resVec, absCoeRec]
def costFunc(x):
    out = forwardModelFunc(x[0], x[1], x[2]) 
    return out[2]
x0 = paraList[:3] # the initial guess
res = optimize.minimize(costFunc, x0, method='BFGS', jac=gradientFunc,
                        options={'gtol': 1e-6, 'disp': True}) 

因此，您将得到的最佳结果(在res.x中返回)将是paraList中前三个参数的最佳值:detValVec, projTrans和MeasVec。如果您想获得它们所暗示的最后三个值，您可以在res.x上调用forwardModelFunc:

paraList_opt = list(res.x) + list(forwardModelFunc(*res.x)

当然，理解optimize.minimize的局限性是很重要的:它只能在数组x上最小化，如果它是一个一维标量数组，那么希望paramList中的值是标量。如果没有，则必须将它们平铺并连接起来。而且，它将同样的x和args传递给雅可比矩阵gradientFunc，所以要确保它也被正确格式化。