Scipy minimize COBYLA回调失效及重复计算问题求助

核心问题分析 #

1. 提前终止失效：scipy的minimize回调函数需返回True才会终止优化，原实现可能因逻辑或版本适配问题未生效；
2. 重复计算开销：原代码中fit_min在迭代流程和回调中被重复调用，高计算成本场景下会大幅拖慢效率。

解决方案 #

通过整合目标函数与状态管理，缓存已计算的函数值，既避免重复计算，又确保回调正确触发终止：

import scipy.optimize as opt

class FitWithStopper:
    def __init__(self, threshold=0.1):
        self.threshold = threshold
        self.last_fun = None  # 缓存最近一次的函数计算结果
        self.last_x = None    # 缓存最近一次的参数集

    # 替换为你实际的fit_min计算逻辑
    def _fit_min(self, x):
        # 示例计算，仅作演示
        return sum(x ** 2)

    # 作为minimize的目标函数，计算后自动缓存结果
    def __call__(self, x):
        self.last_x = x
        self.last_fun = self._fit_min(x)
        return self.last_fun

    # 回调函数，直接读取缓存结果，无需重复计算
    def callback(self, x):
        if self.last_fun <= self.threshold:
            print(f"函数值已低于阈值{self.threshold}，终止优化")
            return True  # 返回True触发优化终止
        return False

# 初始化并执行优化
stopper = FitWithStopper(threshold=0.1)
result = opt.minimize(stopper, ansatz_params[1], callback=stopper.callback, method='COBYLA')
print(result)

关键说明 #

• 避免重复计算：目标函数每次计算后将结果存入self.last_fun，回调直接读取该值，无需再次调用计算逻辑；
• 确保终止生效：回调明确返回True触发终止，完全适配scipy的回调规则；
• 版本兼容性：建议使用scipy 1.0及以上版本，旧版本对回调的支持存在兼容性问题。

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