scipy：发出通过参数以优化。shgo函数

Question

我正在尝试使用Scipy中实现的SHGO算法，但是当目标函数需要多个参数时，我遇到了麻烦。如果我正确理解错误，我不会按预期将其他参数（参数）传递给目标函数，但是，我看不出我的语法是错误的。 有人可以解释错误的根本原因以及如何解决吗？

以下是我面临的问题的可再现例子。

import numpy as np
import scipy.optimize as opt


def fobj(x, y, z):
    return (x+y+z).sum()

x0 = np.array([0.5, 0.5, 0.5, 0.5])
y = np.array([1, 3, 5, 7])
z = np.array([10, 20, 30, 40])
bnds = list(zip([0, 1, 2, 3], [2, 3, 4, 5]))
cons = {'type': 'eq', 'fun': lambda x: x.sum() - 14}
min_kwargs = {'method': 'SLSQP', 'options': {'maxiter': 100, 'disp': True}}
ret = opt.shgo(func=fobj, bounds=bnds, args=(y, z), constraints=cons, minimizer_kwargs=min_kwargs, options={'disp': True})

当运行以下追溯显示时。

Splitting first generation
Traceback (most recent call last):
  File "C:\path\lib\site-packages\scipy\optimize\_shgo_lib\triangulation.py", line 630, in __getitem__
    return self.cache[x]
KeyError: (0, 0, 0, 0)

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\path\lib\site-packages\scipy\optimize\_shgo.py", line 420, in shgo
    shc.construct_complex()
  File "C:\path\lib\site-packages\scipy\optimize\_shgo.py", line 733, in construct_complex
    self.iterate()
  File "C:\path\lib\site-packages\scipy\optimize\_shgo.py", line 876, in iterate
    self.iterate_complex()
  File "C:\path\lib\site-packages\scipy\optimize\_shgo.py", line 895, in iterate_hypercube
    self.HC = Complex(self.dim, self.func, self.args,
  File "C:\path\lib\site-packages\scipy\optimize\_shgo_lib\triangulation.py", line 25, in __init__
    self.n_cube(dim, symmetry=symmetry)
  File "C:\path\lib\site-packages\scipy\optimize\_shgo_lib\triangulation.py", line 76, in n_cube
    self.C0.add_vertex(self.V[origintuple])
  File "C:\path\lib\site-packages\scipy\optimize\_shgo_lib\triangulation.py", line 634, in __getitem__
    xval = Vertex(x, bounds=self.bounds,
  File "C:\path\lib\site-packages\scipy\optimize\_shgo_lib\triangulation.py", line 557, in __init__
    self.f = func(x_a, *func_args)
  File "C:\path\lib\site-packages\scipy\optimize\_optimize.py", line 466, in function_wrapper
    fx = function(np.copy(x), *(wrapper_args + args))
TypeError: fobj() takes 3 positional arguments but 5 were given

我不明白为什么typeError被提高。这是说5个参数而不是3个参数已传递给目标函数fobj，但据我所知，我只通过（y，z），这样我就可以'看看他们是如何5！
请注意，我还尝试将本地最小化字典重写为min_kwargs = {'method'：'slsqp'，'args'：（x0），'options'：{'maxiter'：'axciTer'：'axciter'：100，'disp' ：true}}，但我一直面临相同的错误。我确定我错误地传达了这些论点，但是我不明白如何做正确的事情。任何帮助将不胜感激。

---

I am using: Python 3.10.5, Numpy 1.22.4, and SciPy 1.8.1.

Answer 1

正如您发现的那样，问题是a shgo 中的错误。

您可以通过避免使用args参数来避免shgo中的错误。而不是使用args，请使用fobj的包装器，该包装在封闭中捕获y y z 。一种简单的方法是使用lambda表达式：从shgo从func = func = fobj更改第一个参数x，y = y，z = z：fobj（x，y，z），然后从呼叫中删除args参数。

Answer 2

问题是sum是一种方法，而不是数组的属性。

如果您加上目标函数

def fobj(x, y, z):
    return (x+y+z).sum()

，则它应该有效，开发版本有错误（很快就会更新）。

该方法似乎也不是很健壮，对于sum（x）= 14，它只有一个解决方案，这可能是一个问题，因为有效的搜索空间是0维空间，但是即使我将其放松到诸如sum（x）之类的东西上= 12该方法无法提供解决方案。

在这里，您有一个更完整的示例

import numpy as np
import scipy.optimize as opt
def fobj(x, y, z):
    return (x+y+z).sum()

x0 = np.array([0.5, 0.5, 0.5, 0.5])
y = np.array([1, 3, 5, 7])
z = np.array([10, 20, 30, 40])
bnds = list(zip([0, 1, 2, 3], [3,4,5,6]))
cons = {'type': 'eq', 'fun': lambda x: x.sum() - 9}
min_kwargs = {'method': 'SLSQP', 'options': {'maxiter': 10000, 'disp': True}}
ret = opt.shgo(func=lambda x: fobj(x, y, z), bounds=bnds, args=(), constraints=cons, 
               minimizer_kwargs=min_kwargs, options={'disp': True})