Python：最小化关于第 i 个变量的函数

Question

我有一个函数

func(x)

，其中参数是长度为

n

的向量。我想最小化它相对于

i

的第

x

组件，同时保持其他组件固定。因此，为了将其表达为单个组件的函数，我会做类似的事情

import numpy as np
from scipy.optimize import minimize_scalar

def func(x):
    #do some calculations
    return function_value

def func_i(x_i, x0, i):
    x = np.copy(x0)
    x[i] = x_i
    return func(x)

res = minimize_scalar(func_i, args=(x0, i))

有更有效的方法吗？这种计算会反复进行，循环遍历变量，我担心

x = np.copy(x0)

，

x[i] = x_i

会减慢计算速度。 （问题出现在吉布斯采样的背景下，因此同时最小化所有变量并不是我想要的。）

Answer 1

一个可能的更快选项而不是完整的

x0

副本是要求函数将

x0

恢复到评估后发现的状态。 IOW

func_i

变成：

 def func_i(x_i, x0, i)
     temp = x0[i]
     x0[i] = x_i
     result = func(x0)
     x0[i] = temp
     return result

这避免了复制到

x

，但需要 3 次额外的分配。我不知道你的数组的长度

x0

但我大胆猜测它会比

n

较大的长度的副本更快。