Julia中Optim.jl含常量参数的带梯度代价函数优化问询

要处理带常量参数C的代价函数，核心是通过**闭包（匿名函数）**将常量参数绑定到目标函数中，使其符合Optim.jl要求的参数签名（仅接受F、G、x三个参数）。具体实现步骤如下：

正确代码示例 #

using LinearAlgebra
using Optim

# 带常量参数C的代价函数（含梯度）
function cost!(F, G, x, C)
    if G !== nothing
        G .= C * x
    end
    if F !== nothing
        return C * dot(x, x) / 2
    end
end

# 定义你的常量参数C
C = 2.0

# 用闭包包装，将C绑定到新函数中，使其参数签名符合要求
cost_with_C!(F, G, x) = cost!(F, G, x, C)

# 执行优化
sol = optimize(Optim.only_fg!(cost_with_C!), randn(5), LBFGS())

关键说明 #

1. 闭包的作用：通过cost_with_C!这个闭包，我们把常量C捕获为内部变量，让新函数只需要接收F（代价输出）、G（梯度输出）、x（优化变量）三个参数，完全匹配Optim.only_fg!的要求。
2. 匿名函数简化写法：你也可以直接用匿名函数缩短代码，效果完全一致：

   cost_with_C! = (F, G, x) -> cost!(F, G, x, C)
   

3. 常量参数稳定性：闭包会捕获定义时C的当前值，后续修改C不会影响已经定义的闭包，保证优化过程中参数的稳定性。

内容的提问来源于stack exchange，提问作者Sakurai.JJ