type
status
date
slug
summary
tags
category
icon
password
路径
输出：
进入active env location的路径。（Linux同理）
C:\ProgramData\anaconda3\Lib\site-packages\scipy\optimize
主要修改这个路径下的两个文件：
_minimize.py 和 _optimize.py
代码结构
_minimize.py
打开 _minimize.py 可看到，这个文件是用来汇总其他文件定义的各种优化方法的。分成了两大类：非约束和约束最小化方法。
首先是把其他文件的内容import进来，比如_optimize.py里的_minimize_bfgs等
然后给这些方法统一定义了一个接口minimize()：
比如写一个简单的例子：
result = minimize(objective_function, initial_guess, method='BFGS')的参数中，objective_function是待优化的函数，initial_guess是初始猜测值，method指定优化方法为'BFGS'。
minimize()方法的详细定义见源码，它的作用就是根据设定的参数选择不同的优化方法。
文档：
_optimize.py
既然_minimize.py调用了_optimize.py，就把_optimize.py打开看看：
发现_optimize.py就是一堆优化函数的集合。
_optimize.py里import了_minimize_bfgs（第一张图），直接搜这个函数：
发现在1300行左右定义：
这里就是scipy里BFGS优化器的完整定义了。
比如在第一行加一个print("------bfgs------")然后保存（可能要管理员权限）。
重新运行刚才的代码：
发现成功确实是这个函数。
同理，其他优化方法也是这么定义和调用的。
修改
依照这个思路定义一个自己的函数。
他的函数叫_minimize_bfgs，我们直接在他下面定义一个_minimize_my函数（先把_minimize_bfgs直接复制一份改名字就行）：
函数内容都一样，把第一句print改成print("------my------")来测试是否成功。
这里函数定义好了，但是用的时候是在_minimize.py统一调用的。回到_minimize.py文件：
找到开头调用_minimize_bfgs的地方，加入自己刚定义的_minimize_my.
还差最后一步。
想想我们是怎么用这些方法的：
result = minimize(objective_function, initial_guess, method='BFGS')
method传入的是一个字符串（方法名字），比如这里的’BFGS’。
那么scipy是怎么根据这个字符串（方法名字）找到代码中的_minimize_bfgs()这个函数的？
还是回到minimize的定义源码，发现其实很简单：
就是用一个接一个的if来判断method等于的啥，就相应地调用哪个函数。如上图的’BFGS’相应调用_minimize_bfgs()。
那么我们直接在这里加入我们的一个if：
这样就可以这么用了：
result = minimize(objective_function, initial_guess, method='my-mini')
保存这些改动，测试一下：
输出------my----—，说明成功调用了我们自己定义_minimize_my()函数。接下来可以加入自定义的函数内容了。
总结：
- 作者:HSZTY
- 链接:hszty.cn/article/python-scipy
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。