如何为Scipy.minimize传入初始单纯形？Nelder Mead报错示例

形状要求说明 #

报错ValueError: initial_simplex should be an array of shape (N+1,N)里的N是优化问题的变量维度：

• 若为N维优化问题（比如优化2个变量），初始单纯形必须是(N+1)×N的二维数组
• 数组的每一行代表单纯形的一个顶点，N维空间里的单纯形需要N+1个顶点来构成

最小可运行示例 #

以下是基于Scipy的Nelder-Mead算法，使用initial_simplex的完整示例：

from scipy.optimize import minimize
import numpy as np

# 定义目标函数（二维二次函数，最小值在(1,2)）
def objective(x):
    return (x[0] - 1)**2 + (x[1] - 2)**2

# 构造初始单纯形：2维问题需3个顶点（3行2列）
initial_simplex = np.array([
    [0, 0],
    [0, 3],
    [3, 0]
])

# 调用优化：x0可设为None，initial_simplex会覆盖它
result = minimize(
    objective,
    x0=None,
    method='Nelder-Mead',
    initial_simplex=initial_simplex
)

print("最优解：", result.x)
print("最终单纯形：", result.simplex)

从指定点重启优化 #

如果需要从之前的优化状态重启，直接传入上次优化得到的单纯形即可（result.simplex保存了最后一步的单纯形）：

# 基于之前的单纯形重启优化
restart_result = minimize(
    objective,
    x0=None,
    method='Nelder-Mead',
    initial_simplex=result.simplex
)

print("重启后的最优解：", restart_result.x)

常见错误排查 #

• 数组行数不为N+1：比如2维问题只传2个顶点（2行2列），会触发形状错误
• 数组列数与变量维度不匹配：比如2维问题传入3列的数组，同样会报错

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