使用 scipy 中的 optimization.minimize 和 2 个变量和插值函数

我没有找到使用多维函数从 scipy 执行 optimize.minimize 的方法。在几乎所有示例中，解析函数都得到优化，而我的函数则被插值。测试数据集如下所示：

x = np.array([2000,2500,3000,3500])
y = np.array([10,15,25,50])
z = np.array([10,12,17,19,13,13,16,20,17,60,25,25,8,35,15,20])
data = np.array([x,y,z])

虽然函数类似于 F(x,y) = z

我想知道的是 f(2200,12) 处发生了什么以及 x (2000:3500) 和 y (10:50) 范围内的全局最大值是多少。插值工作正常。但到目前为止，找到全局最大值还行不通。

插值法

 self.F2 = interp2d(xx, -yy, z, kind, bounds_error=False)

yields

<scipy.interpolate.interpolate.interp2d object at 0x0000000002C3BBE0>

我尝试通过以下方式进行优化：

x0 = [(2000,3500),(10,50)]
res = scipy.optimize.minimize(self.F2, x0, method='Nelder-Mead')

抛出异常：

TypeError: __call__() missing 1 required positional argument: 'y'

我认为优化器无法处理插值中的对象。在示例中，人们使用 lambda 从函数中获取值。对于我的情况，我需要做什么？

最好的， 亚历克斯

首先，要找到全局最大值（而不是最小值），您需要用相反的符号对函数进行插值：

F2 = interp2d(x, y, -z)

二、可调用的minimize接受一个参数元组，并且interp2d对象需要输入坐标作为单独的位置参数给出。因此，我们不能使用interp2d对象在minimize直接地;我们需要一个包装器来解压来自的参数元组minimize并将其喂给interp2d:

f = lambda x: F2(*x)

第三，使用minimize您需要指定最小值（和界限，在您的情况下）的初始猜测。任何合理的观点都可以：

x0 = (2200, 12)
bounds = [(2000,3500),(10,50)]
print minimize(f, x0, method='SLSQP', bounds=bounds)

这产生：

  status: 0
 success: True
    njev: 43
    nfev: 243
     fun: array([-59.99999488])
       x: array([ 2500.00002708,    24.99999931])
 message: 'Optimization terminated successfully.'
     jac: array([ 0.07000017,  1.        ,  0.        ])
     nit: 43