짧은 대답은 그 것입니다 G
최소화 프로세스의 일부로 Optimizer에 의해 유지되는 반면 (D_neg, D, and C)
인수는 as-is에서 전달됩니다 args
튜플.
기본적으로, scipy.optimize.minimize
기능을 취합니다 fun(x)
그것은 하나의 주장을 받아들입니다 x
(배열 등 일 수 있음) 스칼라를 반환합니다. scipy.optimize.minimize
그런 다음 인수 값을 찾습니다 xp
그렇게 fun(xp)
보다 적습니다 fun(x)
다른 값의 경우 x
. Optimizer는 값을 만드는 책임이 있습니다 x
그리고 그들을 전달합니다 fun
평가를 위해.
그러나 당신이 함수가 있다면 어떨까요? fun(x, y)
추가 매개 변수가 있습니다 y
그것은 별도로 전달되어야합니다 (그러나 최적화의 목적으로 상수로 간주됩니다)? 이것이 바로 args
튜플을위한 것입니다. 그만큼 선적 서류 비치 Args 튜플이 어떻게 사용되는지 설명하려고하지만 구문 분석하기가 조금 어려울 수 있습니다.
Args : 튜플, 선택 사항
추가 인수는 객관적인 기능과 그 파생 상품 (Jacobian, Hessian)으로 전달되었습니다.
효과적으로, scipy.optimize.minimize
있는 모든 것을 통과합니다 args
논쟁의 나머지 부분으로 fun
, 별표 인수 표기법 사용 : 그 기능은 다음과 같이 호출됩니다. fun(x, *args)
최적화 중. 그만큼 x
부분은 최적화에 의해 전달됩니다. args
튜플은 나머지 인수로 주어집니다.
따라서 코드에서 G
가능한 값을 평가하면서 최적화에 의해 요소가 유지됩니다. G
, 그리고 (D_neg, D, C)
튜플은 AS-IS로 전달됩니다.