如何使用多个数组优化函数？

Question

给定数组a, b, 和c：import numpy as npa = np.array([100, 200, 300])b = np.array([[1, 0, 0],              [1, 0, 1],              [0, 1, 1],              [1, 1, 1]])c = np.array([150, 300, 500, 650])我想进行优化a，以使每个值最小化c_prime.c_prime = c - np.sum(a*b, axis=1)print(c_prime)print(np.abs(c_prime).sum())[  50 -100    0   50]200手动...通过更改 中的第一个元素a，c_prime开始达到预期的结果。a = np.array([150, 200, 300])c_prime = c - np.sum(a*b, axis=1)print(c_prime)print(np.abs(c_prime).sum())[   0 -150    0    0]150现在，令人尴尬的是，我的问题是我怎样才能达到预期的结果？我已经试过了scipy.optimize.minimize，但很明显这段代码没有达到目标，而且这个函数在概念上可能完全不正确。def f(x, b, c):    return np.abs(c - np.sum(x*b, axis=1)).sum()x0 = aminimize(f, x0, args=(b,c))      fun: 200.0 hess_inv: array([[1, 0, 0],       [0, 1, 0],       [0, 0, 1]])      jac: array([-1.,  0.,  1.])  message: 'Desired error not necessarily achieved due to precision loss.'     nfev: 327      nit: 0     njev: 63   status: 2  success: False        x: array([100., 200., 300.])鉴于从手动设置a[0]到150上述的改进结果，为什么这些结果返回非最佳x？