使用Scipy最小化定积分常数时遇参数缺失错误求助

错误原因分析 #

1. 参数未传递：调用minimize时，没有将cv和xm这两个常量参数传递给目标函数minimization_function，导致函数报错缺少必填参数。
2. 积分函数参数不匹配：quad的args参数传递错误，integrand需要cv和c两个额外参数，但原代码只传了c。
3. 优化目标类型错误：quad返回的是包含积分值和误差的元组，但minimize要求目标函数返回标量值，直接返回元组会导致后续计算失败。

修正后的完整代码 #

import numpy as np
from scipy.integrate import quad
from scipy.optimize import minimize


def g_x(x, cv):
    cv2 = np.square(cv)
    return (x + 1 - np.sqrt(np.square(x) + 2 * cv2 * x + 1)) / (1 - cv2)

def g_approx(x, c):
    return (c * x) / (1 + c * x)

def integrand(x, cv, c):
    return g_x(x, cv) - g_approx(x, c)

def minimization_function(c, cv, xm):
    # 提取积分值，忽略误差项；args匹配integrand的参数顺序
    integral_value, _ = quad(integrand, 0, xm, args=(cv, c))
    # 返回积分值的平方，避免正负抵消，最小化误差的累积量级
    return integral_value ** 2

# 初始化参数
c_0 = 1
cv = 0.6
xm = 15

# 调用minimize，通过args传入常量参数cv和xm
res = minimize(minimization_function, c_0, args=(cv, xm), method='CG', tol=1.e-2, options={'gtol': 0.01, 'maxiter': 5})

# 打印优化结果
print(res)

关键修改点说明 #

• minimize的参数传递：添加args=(cv, xm)，将常量参数传递给目标函数，确保minimization_function能获取到cv和xm。
• quad的参数修正：将args=c改为args=(cv, c)，与integrand的参数列表（x, cv, c）匹配，保证积分计算时参数正确传递。
• 优化目标调整：从quad的返回值中提取积分值并取平方，既满足minimize对标量输出的要求，又能避免误差正负抵消导致优化失效（对应L2范数最小化，更符合拟合误差的优化逻辑）。

内容的提问来源于stack exchange，提问作者Jarrett Battistini