如何查找并使用Scipy 1.9.0新增的vectorized优化参数？

参数的实际归属 #

你在发布说明里看到的vectorized参数，并没有添加到minimize或minimize_scalar函数中——这就是你查这两个函数文档找不到它的原因。它是为Scipy里的基于种群的优化器设计的，比如differential_evolution和shgo这类算法。

这类优化器每次迭代需要评估一批候选解，开启vectorized=True后，向量化的目标函数会一次性接收所有候选解的数组（形状为(n_points, n_dims)），并返回对应的目标值数组，不用再循环调用目标函数，能有效提升效率。

实际使用示例 #

以differential_evolution为例：

import numpy as np
from scipy.optimize import differential_evolution

# 向量化目标函数，接收多组输入
def vectorized_obj(x):
    return x[:, 0]**2 + x[:, 1]**2

# 启用vectorized参数
res = differential_evolution(vectorized_obj, bounds=[(-5,5), (-5,5)], vectorized=True)
print("最优解:", res.x)

为什么minimize/minimize_scalar没有该参数 #

minimize和minimize_scalar的大部分算法（比如BFGS、Nelder-Mead）都是单一点迭代模式，每次只需要评估一个点，不存在批量处理候选解的需求，因此不需要vectorized参数。

内容的提问来源于stack exchange，提问作者bilaljo