Scipy.optimize SHGO的sobol采样触发TypeError问题求助

问题根源 #

使用SciPy SHGO优化器的'sobol'采样方法时，约束函数会被额外传入目标函数的args参数（示例里的(0.3, 0.3)），但你定义的约束lambda只接受单个参数y，导致参数数量不匹配，触发TypeError: <lambda>() takes 1 positional argument but 3 were given。而'simplicial'采样方法和SLSQP在约束处理逻辑上不会传递这些额外参数，所以能正常运行。

快速修复方案 #

修改约束函数，让它接受任意数量的额外参数（哪怕用不到），用Python的可变参数语法*args即可：

cons = ({'type':'ineq', 'fun': lambda y, *args: y[0]-y[0]**2-y[1]**2})

修复后的完整代码 #

替换约束定义后的完整可运行代码：

import numpy as np
from numpy import linalg as la
import scipy as sc
import scipy.optimize as opt

print("numpy version: ", np.__version__)
print("scipy version: ", sc.__version__)

# d-dim Shannon entropy
def ShEntr(x):
    s=0
    for p_i in x:
        if p_i > 1e-16 and p_i < 1-1e-16:
            s = s - p_i*np.log2(p_i)
    return s

# Function to be optimized
def fun(y, k, g):
    p,c = y
    mat = [[p,c],[c,1-p]]
    return -ShEntr(la.eigvals(mat))   # 加负号是因为SciPy优化器默认做最小化

# Optimization parameters
x0 = [0.5,0.2] # SLSQP的初始点
boun = [(0,1),(0,1)] # 参数边界
# 修复后的约束函数，支持接受额外参数
cons = ({'type':'ineq', 'fun': lambda y, *args: y[0]-y[0]**2-y[1]**2})

## 执行优化
# SLSQP
res = opt.minimize(fun, x0, (0.3,0.3), method='SLSQP', constraints=cons, bounds=boun, options={'maxiter':10000})
print("SLSQP: ", -res.fun)
# SHGO: simplicial
res = opt.shgo(fun, bounds=boun, args=(0.3,0.3), n = 30, iters = 5, sampling_method = 'simplicial', constraints=cons)
print("SHGO simplicial: ", -res.fun)
# SHGO: sobol
res = opt.shgo(fun, bounds=boun, args=(0.3,0.3), n = 30, iters = 5, sampling_method = 'sobol', constraints=cons)
print("SHGO sobol: ", -res.fun)

运行后三个优化任务都能正常完成，不会再出现参数不匹配的错误。

补充说明 #

这个问题是SciPy 1.7.3版本中SHGO模块'sobol'采样方法的逻辑bug——错误地将目标函数的args传递给了约束函数。如果你能升级到SciPy 1.10及以上版本，这个问题可能已经被官方修复，但修改约束函数的参数兼容性是更快捷的临时解决办法。

内容的提问来源于stack exchange，提问作者Sasche