参数多态性问题：使用带有单个浮点参数的函数和浮点参数数组

Question

为了澄清我的意思，我的问题是一个模拟退火问题，我想找到θ，它给出了形状的最大面积：

def Area(theta):
    #returns area
def SimAnneal(space,func, T):
    #space is some linspace
    #func is some function that takes in some theta and outputs some area
    #T = separate temperature parameter that is not relevant for problem
    #returns maximum area from given thetas

在这种情况下，模拟退火首先选择一个随机开始的“θ”。我的目标是使用上面的设置，如下所示。应该注意的是，area（）的输入是一个θ，但我希望有某种方法可以使？下一个函数SimAnneal（）可以从中选择的θ的“潜在”列表

  x = np.linspace(0,100,1000)
  func = area(?)
  T = 4
  SimAnneal(x,func,T)

我应该放什么？为了使SimAnneal正确输出

换言之，是否存在一个？它可以满足单个浮点参数的条件，但在某些邻域中携带所有可能的浮点参数？

Answer 1

首先，不存在同时是浮点和集合的数据类型。此外，您希望将area函数直接传递到SimAnneal函数中，而不是像当前那样返回对它的调用：

SimAnneal(x, area, T)

从设计的角度来看，将area函数保留为使用单个浮点作为参数会更有意义。这就是说，通过一个列表运行单个函数并用θ存储这些输出是相对简单的，θ是使用一种称为Dictionary Comprehensions的技术创建的。在下面的示例中thetas是要从中选择的θ的列表：

areas = {i: area(i) for i in thetas}

然后，您可以在新词典中搜索产生最大面积的θ：

max_theta = list(areas.keys())[0] # retrieve the first theta

for theta, area in areas.items():
    if area > areas[theta]:
        max_theta = theta

return theta

Answer 2

可以使用^{}应用func获取单个值，如下所示：

import numpy as np

def Area(theta):
    pass

def SimAnneal(space, func, T):
    applied_space = np.vectorize(func)(space)

x = np.linspace(0, 100, 1000)
T = 4
SimAnneal(x, Area, T)

请注意np.vectorize实际上不会给您带来我们在实际矢量化中看到的性能改进。相反，它是一个方便的接口，完全符合您的需要：应用一个func，将单个值应用于一组值（您的space）

或者，您可以将np.vectorize调用移到SimAnneal之外，如下所示：

def SimAnneal(space, func, T):
    applied_space = func(space)

x = np.linspace(0, 100, 1000)
func = np.vectorize(Area)
T = 4
SimAnneal(x, func, T)

这更接近您最初的示例