使用Python寻找函数最小值的x时遇类型错误求助

错误原因 #

你的P1_adj函数返回的是复数，但scipy.optimize.minimize只能优化实值函数——复数无法直接进行大小比较，这就是触发TypeError: '<' not supported between instances of 'complex' and 'float'错误的核心原因。

修正方案 #

复值函数无法直接用于优化，你需要先明确要最小化复数的哪个实值属性（通常是模长、实部或虚部），再将目标函数改造为返回实值的形式。以下是具体修正步骤：

1. 修正拼写错误 #

原代码中import nyumpy as np是拼写错误，应改为import numpy as np。

2. 改造目标函数 #

根据需求选择以下一种实值指标作为优化目标：

• 最小化复数的模长：对应复数的幅值大小，是最常见的需求
• 最小化复数的实部
• 最小化复数的虚部

3. 优化代码示例 #

import numpy as np 
from scipy.optimize import minimize, Bounds

def P1_adj(x):
    complex_val = 60450.64625041 * np.exp(1j * (57.29 * 1.75056445 + x))
    # 选择以下其中一行作为返回值：
    return np.abs(complex_val)  # 最小化模长
    # return np.real(complex_val)  # 最小化实部
    # return np.imag(complex_val)  # 最小化虚部

# 设置x的取值边界
bounds = Bounds(-180., 180.)
# 调用minimize，指定支持边界的优化方法（如L-BFGS-B）
result = minimize(P1_adj, x0=0, bounds=bounds, method='L-BFGS-B')
print(result)

额外说明 #

• 原代码中x=np.arange(-180.0,180.0)是多余的，minimize仅需要初始猜测值x0，不需要生成整个数组。
• 由于你设置了边界，建议使用支持边界约束的优化方法（如L-BFGS-B、trust-constr），避免优化过程中x超出[-180, 180]范围。

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