在 SciPy 中为优化创建行列式函数

Question

我正在尝试学习如何使用scipy.optimize。作为一个热身示例，我试图最小化 2 x 2 矩阵的行列式，其中条目的绝对值限制为 0.5。我定义了一个函数det（x），它接受四个数字，将它们放入一个方形的numpy数组中，并返回行列式。它似乎工作。然后，当我尝试最小化该函数时，出现错误“目标函数必须返回标量”。这是怎么回事？这是我的代码：n=2import numpy as npfrom scipy.optimize import minimizedef det(x):    A=np.zeros((n,n))    for i in range(n):        for j in range(n):            A[i,j]=x[2*i+j]    return np.linalg.det(A)x0=[.01,-.01,.02,-.1] b=(-0.5,0.5)bnds=[b,b,b,b]sol=minimize(det(x),x0,method='SLSQP',bounds=bnds)print(sol)

Answer 1

您是否尝试了以下方法？

sol=minimize(det,x0,method='SLSQP',bounds=bnds)

->

     fun: -0.49999999712754745

     jac: array([-0.5, -0.5, -0.5,  0.5])

 message: 'Optimization terminated successfully.'

    nfev: 42

     nit: 7

    njev: 7

  status: 0

 success: True

       x: array([ 0.5,  0.5,  0.5, -0.5])