scipy.optimize.fixed_point()不收敛且无进度显示，求解决建议

一、迭代过程监控方案 #

scipy.optimize.fixed_point确实没有内置的callback或options参数来直接输出迭代进度，这里提供两个实用的替代方案：

1. 手动实现带日志的不动点迭代 #

复刻底层迭代逻辑，自己控制每一步的记录，支持自定义误差计算和日志输出，示例代码：

import numpy as np

def fixed_point_with_log(f, x0, tol=1e-8, maxiter=500, method='iteration'):
    x_prev = np.asarray(x0, dtype=np.float64)
    for i in range(maxiter):
        x_next = f(x_prev)
        # 计算迭代误差（可根据需求换用L1范数或绝对差）
        error = np.linalg.norm(x_next - x_prev)
        print(f"Iteration {i+1}: error = {error:.10f}, current x = {x_next}")
        if error < tol:
            print(f"Converged after {i+1} iterations")
            return x_next
        x_prev = x_next
    raise RuntimeError(f"Failed to converge after {maxiter} iterations")

# 使用示例
def target_func(x):
    return np.cos(x)

fixed_point_with_log(target_func, 0.5)

如果需要用Anderson加速（fixed_point默认方法），可以参考scipy源码片段手动实现带日志的版本。

2. 用装饰器包装目标函数监控调用 #

给目标函数添加装饰器，每次函数被调用时自动记录输入、输出及迭代误差，间接追踪迭代过程：

import numpy as np
from functools import wraps
from scipy.optimize import fixed_point

def monitor_fixed_point(f):
    prev_output = None
    @wraps(f)
    def wrapper(x):
        nonlocal prev_output
        current_output = f(x)
        if prev_output is not None:
            error = np.linalg.norm(current_output - prev_output)
            print(f"Input x: {x}, Output x: {current_output}, Error: {error:.10f}")
        prev_output = current_output
        return current_output
    return wrapper

# 使用示例
@monitor_fixed_point
def target_func(x):
    return np.cos(x)

try:
    fixed_point(target_func, 0.5, maxiter=100)
except RuntimeError as e:
    print(e)

二、收敛问题排查建议 #

1. 验证不动点存在性：确认函数满足压缩映射定理（定义域内存在常数L<1，使得对任意x,y有|f(x)-f(y)| ≤ L|x-y|），不满足该条件的话，不动点可能不存在或迭代无法收敛。
2. 调整初始值：fixed_point对初始点敏感度高，尝试多个不同的初始值，排查是否因初始点选择不当导致发散。
3. 调整迭代参数与方法：
   • 切换迭代方法：默认用Anderson加速，可尝试method='iteration'切换到简单迭代，虽然收敛慢但稳定性更强。
   • 调优参数：增大maxiter或调整tol阈值；使用Anderson加速时，尝试修改m参数（默认5），不同的m值可能影响收敛效果。
4. 检查函数实现：排查目标函数是否存在数值溢出、定义域外计算（如负数开根号）等错误，这类问题会直接导致迭代发散。

内容的提问来源于stack exchange，提问作者Tom