固定步长梯度下降优化三峰驼函数时循环停止条件报错求助

错误原因 #

你遇到的TypeError是因为代码里写了e.all<tolerance：

• e.all是numpy数组的内置方法（不是属性），直接拿方法对象和浮点数比较，Python自然不支持这种操作。
• 同时这个逻辑也不符合停止条件的需求——我们需要判断新旧点的差值是否足够小，而不是检查方法对象。

正确的停止条件写法 #

通常有两种合理的停止判断方式，选其一即可：

1. 计算新旧点的欧氏距离：用np.linalg.norm(e)计算差值向量的L2范数，判断是否小于容差
2. 检查所有分量的绝对值：用np.all(np.abs(e) < tolerance)判断每个维度的差值绝对值都小于容差

额外的代码优化点 #

• 原代码中k=kp1是列表直接赋值，会导致后续迭代中k和kp1指向同一内存地址，建议改成k = kp1.copy()或者全程用numpy数组处理
• 原函数最后返回空列表，建议返回最终优化得到的点，方便后续使用

修正后的完整代码 #

import numdifftools as nd
import numpy as np

# 固定步长梯度下降法
def gradient(k):
    def eq(x): 
        # 三峰驼函数
        return 2*(x[0]**2) - 1.05*(x[0]**4) + (x[0]**6)/6 + x[0]*x[1] + x[1]**2
    grad = nd.Gradient(eq)(k)
    return grad

def gdcss(initial_value, step_size, iterations):
    k = np.array(initial_value)  # 直接转numpy数组，避免列表引用问题
    tolerance = 1e-6  # 容差提前定义，不用每次循环重复创建
    for i in range(iterations): 
        grad = gradient(k)
        kp1 = k - step_size * grad  # 直接用numpy数组运算，更简洁
        
        print("迭代次数: ", i+1)
        print("当前点梯度: ", grad)
        print("新点坐标: ", kp1)
        
        e = kp1 - k
        # 方式1：判断欧氏距离小于容差
        if np.linalg.norm(e) < tolerance:
            print(f"达到容差要求，提前停止迭代，共迭代{i+1}次")
            break
        # 方式2：判断所有分量差值绝对值小于容差（二选一即可）
        # if np.all(np.abs(e) < tolerance):
        #     print(f"达到容差要求，提前停止迭代，共迭代{i+1}次")
        #     break
            
        k = kp1
    return k  # 返回最终优化点

# 调用函数
result = gdcss([-1, 2], 0.1, 70)
print("最终优化结果:", result)

代码说明 #

• 全程用numpy数组处理坐标和梯度，运算更简洁，也避免了列表引用的问题
• 容tolerance提前定义，减少循环内的重复操作
• 增加了停止时的提示信息，方便查看迭代情况
• 返回最终的优化点，让函数更实用

内容的提问来源于stack exchange，提问作者Roha Gul