将SciPy Nelder-Mead优化结果代入函数未得到报告值的问题

问题重现 #

使用SciPy的Nelder-Mead方法优化自定义函数optimizee，优化报告显示fun=-749.2601549652912，但将返回的x代入optimizee时得到-637.65，结果不一致。优化代码如下：

result = minimize(optimizee, x0, method='Nelder-Mead', bounds=(
  (0, 250),
  (0, 250),
  (0, 1),
  (0, 1),
  (0, 1),
  (0, 1),
  (0, 1),
  (0, 1),
  (0, 1),
  (0, 1),
  (0, 1),
  (0, 1),
), options={'xatol': 1e-2, 'maxiter': 50000})

排查与解决步骤 #

1. 避免手动复制x导致的精度丢失 #

优化结果中显示的x是经过科学计数法截断的近似值，手动抄录会丢失精度。直接使用result.x数组传入函数，而非手动复制数值：

# 正确调用方式
print(optimizee(result.x))

2. 确认optimizee函数的确定性 #

如果函数内部包含随机过程（如未固定种子的随机数生成、随机采样）、全局变量或类实例状态，会导致相同输入输出不一致：

• 检查函数是否依赖random模块且未固定随机种子；
• 排查是否存在全局变量在函数调用过程中被修改；
• 验证方法：多次调用optimizee(result.x)，若结果波动大，说明存在非确定性因素，需修复函数使其成为纯函数（输入唯一确定输出）。

3. 检查边界附近的数值稳定性 #

Nelder-Mead处理边界时会通过反射/收缩生成临时点，若optimizee在边界（如x[1]=250）附近存在数值不稳定（如溢出、除以零、分段函数不连续），可能导致优化时的计算与后续手动调用存在差异：

• 单独测试边界点的函数计算，确认输出稳定；
• 若存在不连续，可调整边界或修改函数在边界处的实现。

4. 排查优化参数与SciPy版本 #

• xatol=1e-2的精度设置可能导致优化过程中记录的x与实际计算最优值的点存在细微偏差，尝试缩小xatol（如1e-4）重新优化；
• 确认使用的SciPy版本，不同版本的Nelder-Mead实现可能存在差异，尝试升级或回退到稳定版本。

内容的提问来源于stack exchange，提问作者grasswistle