我正在尝试使用Scipy优化以下问题

目前我已经定义了我的方程，并试图使用四元函数和最小化来求解方程。

import numpy as np
from scipy.integrate import quad
from scipy.optimize import minimize

def g_x(x, cv):
    cv2 = np.square(cv)
    return (x+1-np.sqrt(np.square(x)+2*cv2*x+1))/(1-cv2)

def g_approx(x, c):
    return (c*x)/(1+c*x)

def integrand(x, cv, c):
    return g_x(x, cv)-g_approx(x, c)

def minimization_function(c, cv, xm):
    return quad(integrand, 0, xm, args=c)

c_0 = 1
cv = 0.6
xm = 15
res = minimize(minimization_function, c_0, method='CG', tol=1.e-2, options={'gtol': 0.01, 'maxiter': 5})

在尝试解决此问题时，我得到以下错误。

scipy\optimize\optimize.py:261, in _prepare_scalar_function(fun, x0, jac, args, bounds, epsilon, finite_diff_rel_step, hess)
257     bounds = (-np.inf, np.inf)
259 # ScalarFunction caches. Reuse of fun(x) during grad
...
132 # Overwriting results in undefined behaviour because
133 # fun(self.x) will change self.x, with the two no longer linked.
--> 134 return fun(np.copy(x), *args)

TypeError: minimization_function() missing 2 required positional arguments: 'cv' and 'xm'

所以我知道在某个点上我需要给予C_v和X_m，因为它们都缺失了才能解决这个问题，但是我不确定如何做到这一点。有人能帮助我理解如何定义这些方程中的变量和常数吗？我试着看过以前的答案，但是我似乎不能让它们起作用。