使用scipy basinhopping时，如何不用全局变量实现回调展示优化进度？

1. 使用类封装状态 #

通过类来封装当前最小值的状态，既避免了全局变量，又能清晰地管理跟踪逻辑，适合需要复用或扩展进度跟踪功能的场景：

class ProgressTracker:
    def __init__(self, initial_min):
        self.min_val = initial_min
    
    def callback(self, x, f, accept):
        if f < self.min_val:
            print([round(num, 2) for num in x], f)
            self.min_val = f

# 使用方式
print("Optimizing using basinhopping")
tracker = ProgressTracker(initial_min=10)
res = basinhopping(distance, x0=points, niter=1000,
                   minimizer_kwargs={"bounds": bounds, "constraints": cons, "method": "SLSQP"},
                   callback=tracker.callback)

2. 使用闭包（Closure） #

利用闭包捕获外部作用域的变量，无需定义完整类，实现轻量级的状态跟踪：

def make_bh_callback(initial_min):
    min_val = initial_min
    def callback(x, f, accept):
        nonlocal min_val
        if f < min_val:
            print([round(num, 2) for num in x], f)
            min_val = f
    return callback

# 使用方式
print("Optimizing using basinhopping")
bh_callback = make_bh_callback(initial_min=10)
res = basinhopping(distance, x0=points, niter=1000,
                   minimizer_kwargs={"bounds": bounds, "constraints": cons, "method": "SLSQP"},
                   callback=bh_callback)

3. 使用可变对象存储状态 #

借助列表这类可变对象的特性，绕过全局变量直接修改状态值，适合快速实现的简单场景：

def show_bh(x, f, accept):
    if f < min_val[0]:
        print([round(num, 2) for num in x], f)
        min_val[0] = f

# 使用方式
print("Optimizing using basinhopping")
min_val = [10]  # 用列表存储可变状态
res = basinhopping(distance, x0=points, niter=1000,
                   minimizer_kwargs={"bounds": bounds, "constraints": cons, "method": "SLSQP"},
                   callback=show_bh)

内容的提问来源于stack exchange，提问作者Simd