最小化具有numpy数组作为参数的python函数

Question

我是python的新手,我有以下问题:我试图最小化一个python函数,它有一个numpy数组作为其参数之一.当我使用scipy.optimize.fmin时,它会将我的数组转换为一个列表(导致函数无法评估).是否有一个优化函数可以接受numpy数组作为函数参数？

提前致谢!

-MB

编辑:这是我正在谈论的一个例子,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

optimize.fmin这是一个来自scipy 教程的示例：

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？如果没有，你能修改这个例子来显示什么变成了列表吗？