使用scipy.fsolve求解含多输入单变量的函数根问题

核心问题 #

scipy.fsolve要求目标函数的第一个参数必须是待求解的变量，你当前的foo函数把待求变量y放在了参数列表的最后，导致fsolve无法正确识别待优化变量，这是语法错误的根源。

修正方案 #

方案1：调整函数参数顺序 #

直接修改foo，将y作为第一个参数，其余已知参数后置：

import numpy as np
from scipy.optimize import fsolve

def foo(y, T_, t_, x1_, x2_):  # 将y移到参数列表首位
    P = np.zeros(len(t_), dtype=object)
    s = np.zeros(len(t_))
    # 注意：确保dt是已定义的全局变量或额外传入的参数
    for i in range(len(t_)):
        P[i] = model1.Pr(T_, t_[i], x1_[0][i], x2_[0][i])
        agg_disc_fact = sum(P[i]) * y * dt
        stub = 1
        final_term = P[i][-1]
        s[i] = agg_disc_fact - stub + final_term
    return s[0]

# 调用fsolve，args传入其余已知参数
result = fsolve(func=foo, x0=0, args=(T, ts, x1, x2))

方案2：用lambda包装原函数（无需修改foo） #

如果不想改动原foo的参数顺序，可以用lambda函数重新封装，适配fsolve的参数要求：

result = fsolve(func=lambda y: foo(T, ts, x1, x2, y), x0=0)

替代工具推荐 #

如果偏好更直观、信息更丰富的API，可以使用scipy.optimize.root，它返回的结果包含收敛状态等细节：

from scipy.optimize import root

# 使用方案1调整后的foo函数，或lambda包装的版本
sol = root(foo, x0=0, args=(T, ts, x1, x2))
# 查看求解结果
if sol.success:
    print("求解成功，根为:", sol.x[0])
else:
    print("求解失败，原因:", sol.message)

代码优化建议 #

当前代码用循环处理t_的每个元素，若model1.Pr支持向量化输入，可改成向量化操作提升效率：

def foo(y, T_, t_, x1_, x2_):
    # 假设model1.Pr可直接接收数组形式的t、x1、x2参数
    P = model1.Pr(T_, t_, x1_[0], x2_[0])
    agg_disc_fact = np.sum(P, axis=1) * y * dt
    stub = 1
    final_term = P[:, -1]
    s = agg_disc_fact - stub + final_term
    return s[0]

内容的提问来源于stack exchange，提问作者ak1504