SciPy中的约束优化
我需要在一个模拟中找到能够最大化一个多变量函数的参数，同时还要满足一些限制条件。
我看到scipy.optimize.minimize这个工具可以找到一个函数的最小值（其实也可以找到负函数的最大值），而且它支持限制条件和边界。不过，我在看文档的时候发现，它返回的是最小值，而不是使函数最小的参数（我理解得对吗？）
scipy.optimize.fmin可以给出使函数最小的参数，但它不支持边界或限制条件。
在numpy中，有一个叫argmin的函数，它接受一个向量作为参数，并返回使其最小的“参数”。
有没有这样的函数，既像minimize那样支持限制条件，又像fmin那样能返回使函数最小的参数呢？
提前谢谢你。
2 个回答
1
scipy.optimize.minimize这个函数返回的结果是一个叫做Result的东西。
这个Result里面有很多信息，其中包括让函数f达到最小值的输入值（x）。
1
新的 minimize 函数在使用某些优化算法时，可以接受一个叫 bounds 的参数。在旧版的 SciPy 中，你需要直接调用这些算法，比如 fmin_l_bfgs_b。