Python 中的二维优化（最小化）（使用 scipy.optimize）

我正在尝试优化（最小化）二维函数E(n,k)定义如下：

error=lambda x,y,w: (math.log(abs(Tformulated(x,y,w))) - math.log(abs(Tw[w])))**2 + (math.atan2(Tformulated(x,y,w).imag,Tformulated(x,y,w).real) - math.atan2(Tw[w].imag,Tw[w].real))**2

where Tformulated得到如下：

def Tformulated(n,k,w):
    z=1j
    L=1
    C=0.1
    RC=(w*L)/C
    n1=complex(1,0)
    n3=complex(1,0)
    n2=complex(n,k)
    FP=1/(1-(((n2-n1)/(n2+n1))*((n2-n3)/(n2+n3))*math.exp(-2*z*n2*RC)))
    Tform=((2*n2*(n1+n3))/((n2+n1)*(n2+n3)))*(math.exp(-z*(n2-n1)*RC))*FP
    return Tform

and Tw是先前计算的具有复值元素的列表。 我真正想做的是对于每个值w（用于“错误 x，y，w ....”）我想最小化函数“错误”的值x & y. w范围从 1 到 2048。所以，它基本上是一个 2D 最小化问题。我已经尝试过编程（尽管我陷入了使用什么方法以及如何使用它的困境）；我的代码如下：

temp=[]
i=range(5)
retval = fmin_powell(error , x ,y, args=(i) , maxiter=100 ,maxfun=100)
temp.append(retval)

我不确定即使fmin_powell是正确的方法。

这是一个最简单的例子：

from scipy.optimize import fmin

def minf(x):
  return x[0]**2 + (x[1]-1.)**2

print fmin(minf,[1,2])

[out]:

Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 44
         Function evaluations: 82
[ -1.61979362e-05   9.99980073e-01]

这里可能存在的问题是最小化例程需要一个列表作为参数。看the docs对于所有血淋淋的细节。不确定是否可以直接最小化复值函数，您可能需要分别考虑实部和虚部。