最小化以numpy数组为参数的Python函数

Question

我刚接触Python，遇到了一个问题：我想要最小化一个Python函数，这个函数的一个参数是一个numpy数组。当我使用scipy.optimize.fmin时，它把我的数组变成了一个列表（这导致函数无法正常计算）。有没有什么优化函数可以接受numpy数组作为参数呢？

提前谢谢大家！

-MB

补充：这里有一个我所说的例子，感谢@EOL：

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

这里有一个使用 optimize.fmin 的例子，这个函数来自于 scipy 教程：

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.]

这样有帮助吗？如果没有，能不能修改这个例子，看看是什么变成了列表？