Jacobian和Hessian在`scipy.optimize.minimize`中输入

Jacobian和Hessian在`scipy.optimize.minimize`中输入

该错误是来自和的调用，

Jacobian

而

Hessian

不是来自的调用

minimize

。替换为

Jacobian(fun)

，

Jacobian(lambdax: fun(x, a))

并类似地

Hessian

应该可以解决问题（因为现在要区分的函数只有一个向量参数）。

另一件事：

(a)

是

a

，如果您希望将其用作元组使用

(a,)

。

import numpy as npfrom scipy.optimize import minimizefrom numdifftools import Jacobian, Hessiandef fun(x, a):    return (x[0] - 1) **2 + (x[1] - a) **2def fun_der(x, a):    return Jacobian(lambda x: fun(x, a))(x).ravel()def fun_hess(x, a):    return Hessian(lambda x: fun(x, a))(x)x0 = np.array([2, 0]) # initial guessa = 2.5res = minimize(fun, x0, args=(a,), method='dogleg', jac=fun_der, hess=fun_hess)print(res)