创建行列式函数以在SciPy中进行优化

Question

我正在尝试学习如何使用scipy.optimize。 作为一个热身的例子，我试图将2的行列式最小化，矩阵的绝对值限制为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。 它似乎有效。 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=2

import numpy as np
from scipy.optimize import minimize

def 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])