使用scipy.optimize.minimize时遇非均匀形状ValueError的解决方案咨询

问题背景 #

尝试用scipy.optimize.minimize寻找函数取0时的x值，函数最终输出单个数值，但内部包含矩阵操作，运行时触发如下错误：

ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (6,) + inhomogeneous part.

报错原因 #

1. 矩阵行长度不一致：构造矩阵A时，第二行[0 - 1, 4, 2*x, 0, 0]仅包含5个元素，而其他行都是6个元素，numpy无法生成形状均匀的二维数组，导致报错。
2. 输入参数类型不匹配：scipy.optimize.minimize会将单变量的初始值x0转换为1维numpy数组传入目标函数，但example函数定义输入为float类型，直接使用会导致后续计算的变量成为数组，可能引发潜在问题。

修复方案 #

• 修正矩阵A的第二行，补充一个元素（如0），确保每行都有6个元素，符合6x6矩阵的要求。
• 在example函数开头将输入的数组x转换为标量，比如x = x.item()，适配函数内部的标量计算逻辑。
• 调整x的取值下界，避免d = 14*np.sqrt(1/x)中出现除以0的情况，将bounds设为(1e-6, 10000)。

完整修复代码 #

import numpy as np
from scipy.optimize import minimize
from scipy.linalg import solve

def example(x) -> float:
    # 将minimize传入的数组x转换为标量
    x = x.item()
    a = 4
    b = 4*x
    c = 18*np.sin(x)
    d = 14*np.sqrt(1/x)

    # 修正第二行，补充一个0，确保每行6个元素
    A = np.matrix([[0, 0, 0, -1, 1, -1],
                   [0 - 1, 4, 2*x, 0, 0, 0],
                   [1, 3*x-4, 4, 18, 2, 0],
                   [0, 0, 1, 0, 0, 0],
                   [3*x, 2*a, b, d, 0, 0],
                   [0, 0, d, d-c, 0, 0]
                   ])

    b_vec = np.matrix([[0],
                       [0],
                       [b-c],
                       [c/d],
                       [4*a],
                       [b*a-c]
                       ])

    C1, C2, C3, C4, C5, C6 = np.squeeze(solve(A, b_vec))

    val = C1 * np.sin(a * 2) + C2 * c**2 + 4*C3*x**2 + d*C4 + C5*x + C6

    return val

func = lambda x: example(x)
# 调整下界避免除以0
result = minimize(func, x0=15, bounds=[(1e-6, 10000)])
print(result)

说明 #

修复后函数可正常运行，scipy.optimize.minimize能正常执行优化流程。注意矩阵构造时需严格保证每行元素数量一致，同时处理好minimize输入参数的类型转换，避免因数组与标量混合计算引发的问题。

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