SymPy自定义simplify度量无法找到最优表达式的技术问询

问题背景 #

我希望为sympy.simplify自定义一个表达式度量，优先生成可读性更高的表达式（偏好乘法/除法 > 加法/减法 > 幂运算），但发现即使使用自定义度量，也无法阻止SymPy自动将幂运算（如平方根、平方）分配给操作数的各个因子，且无法通过简化合并回原形式。

自定义度量实现代码 #

import sympy as sp
def my_measure(expr):
    """可读性优先的表达式度量：偏好MUL/DIV > ADD/SUB > POW"""
    # 拆分表达式的操作计数
    count = sp.count_ops(expr, visual=True)
    # 为特定操作设置权重
    count = count.subs(sp.Symbol("POW"), 10)
    count = count.subs(sp.Symbol("ADD"), 3)
    count = count.subs(sp.Symbol("SUB"), 3)
    # 其他操作权重默认设为1
    count = count.replace(sp.Symbol, type(sp.S.One))
    return count

测试案例1：平方根（变量为正） #

>>> a, b = sp.symbols("a b", positive=True)
>>> exp = sp.sqrt(a*b)
>>> simp_exp = sp.simplify(exp, ratio=1.0, measure=my_measure)
>>> sp.pretty_print(exp)
√a⋅√b
>>> print(my_measure(exp))
23
>>> sp.pretty_print(simp_exp)
√a⋅√b
>>> print(my_measure(simp_exp))
23

按度量计算，sqrt(a*b)得分应为12（更优），但SymPy始终保留拆分后的√a⋅√b形式，仅在移除变量positive约束时才会保留原式。

测试案例2：平方运算（无变量约束） #

>>> a, b = sp.symbols("a b")
>>> exp = (a*b)**2
>>> simp_exp = sp.simplify(exp, ratio=1.0, measure=my_measure)
>>> sp.pretty_print(exp)
 2  2
a ⋅b
>>> print(my_measure(exp))
21
>>> sp.pretty_print(simp_exp)
 2  2
a ⋅b
>>> print(my_measure(simp_exp))
21

同样，拆分后的a²b²无法通过自定义度量简化回(a*b)²。

疑问解答 #

1. 为何sympy.simplify无法根据自定义度量找到最优表达式？ #

sympy.simplify并非遍历所有可能的表达式形式寻找最优解，而是基于预定义的简化规则生成候选表达式，再用自定义度量从候选中筛选得分最低的。但幂运算拆分后的反向合并（如√a⋅√b→√(a*b)）不在默认的简化规则序列中，因此候选池里根本没有更优的合并形式，自然无法被选中。

2. 为何指数会在请求简化前就分配给操作数的因子？ #

这是SymPy的规范化默认行为：当满足代数恒等式的成立条件时（比如变量为正、幂指数为整数/合法分数），SymPy会自动应用幂的分配律(ab)^n = a^n b^n，这个步骤在表达式构造或初步解析时就会触发，并非sympy.simplify函数的专属操作。

3. 为何假设因子为正实值会改变结果？ #

幂的分配律(ab)^n = a^n b^n并非在所有定义域都成立：比如当a,b为负数时，sqrt(ab) ≠ sqrt(a)sqrt(b)（复数域下会出现分支切割问题）。SymPy只有在确定变量为正（恒等式安全成立）时，才会自动拆分幂运算；无约束时会保留原式，避免产生数学错误。

4. 如何实现预期的简化行为？ #

可以通过SymPy的powsimp函数实现幂运算的反向合并，再结合自定义度量的简化流程：

方法1：直接用powsimp合并幂底数

# 处理平方根案例（变量为正）
a, b = sp.symbols("a b", positive=True)
exp = sp.sqrt(a*b)  # 自动拆分为√a⋅√b
merged_exp = sp.powsimp(exp, combine='base', force=True)
sp.pretty_print(merged_exp)  # 输出：√(a⋅b)
print(my_measure(merged_exp))  # 输出：12

# 处理平方案例
a, b = sp.symbols("a b")
exp = (a*b)**2  # 自动拆分为a²b²
merged_exp = sp.powsimp(exp, combine='base')
sp.pretty_print(merged_exp)  # 输出：(a⋅b)²
print(my_measure(merged_exp))  # 输出：11

方法2：自定义简化流程

将幂合并步骤与sympy.simplify结合，确保候选池包含合并后的形式：

def custom_simplify(expr, measure=my_measure, ratio=1.0):
    # 先合并幂的底数
    expr = sp.powsimp(expr, combine='base', force=True)
    # 再用自定义度量筛选最优解
    return sp.simplify(expr, ratio=ratio, measure=measure)

# 测试
a, b = sp.symbols("a b", positive=True)
exp = sp.sqrt(a*b)
simp_exp = custom_simplify(exp)
sp.pretty_print(simp_exp)  # 输出：√(a⋅b)

内容的提问来源于stack exchange，提问作者ryan