使用列表推导生成约束函数时scipy.minimize执行失败问题排查

你遇到的问题是Python中lambda闭包的延迟绑定特性导致的：

• 手动定义的constraint1/2/3各自直接引用了固定的索引（0、1、2），每个lambda在创建时就明确绑定了对应边的点，执行逻辑完全正确。
• 而列表推导生成的lambda，所有函数共享同一个循环变量i。Python的闭包是延迟绑定的——lambda不会在创建时捕获当前的i值，只有当它被调用（也就是scipy.minimize执行约束检查时）才会去读取i的当前值。此时循环已经结束，i的值是3，所以所有约束函数都会尝试访问polygon_points[3]和polygon_points[4]：
  • 如果polygon_points只有3个点（三角形），polygon_points[3]会触发索引越界；
  • 即使没有越界，所有约束都会指向同一条不存在的边，导致约束条件完全错误，进而触发求解器的“约束不兼容”或“奇异矩阵”报错。

解决方法 #

方法1：用默认参数捕获当前循环值 #

给lambda添加默认参数i=i，这样在循环迭代时，会把当前的i值绑定到每个lambda的默认参数中，每个函数都拥有独立的i副本：

all_constraints = [lambda x, i=i: distance_to_line((x[1],x[2]), polygon_points[i], polygon_points[i+1]) - x[0] for i in range(3)]

方法2：用辅助函数生成约束 #

通过普通函数创建闭包，明确捕获每个循环的i值：

def create_constraint(i):
    def constraint(x):
        return distance_to_line((x[1],x[2]), polygon_points[i], polygon_points[i+1]) - x[0]
    return constraint

all_constraints = [create_constraint(i) for i in range(3)]

或者使用functools.partial来绑定参数：

from functools import partial

def constraint_func(x, i):
    return distance_to_line((x[1],x[2]), polygon_points[i], polygon_points[i+1]) - x[0]

all_constraints = [partial(constraint_func, i=i) for i in range(3)]

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