scipy.optimize.minimize()设置0<T<1边界时触发运行警告问题排查

• 初始值设置违规：优化初始点设为1，恰好落在约束边界上，此时目标函数内的分母项(T-1)**2计算结果为0，直接触发除零运算。
• 边界设置不符合开区间约束：传入的bounds=[(0,1)]在scipy中为闭区间，允许算法在迭代时取到T=0、T=1两个端点，这两个点都会让目标函数出现无意义的计算结果。
• 目标函数注释与实现不匹配：注释中给出的U项公式存在括号不匹配的语法错误，且和代码中实际计算的U表达式不一致，存在公式写错导致优化结果失效的风险。

• RuntimeWarning: divide by zero encountered in true_divide：执行除法运算时出现了分母为0的情况，对应代码中计算U的分式步骤，当T=1时分母为0，运算结果为无穷大inf。
• RuntimeWarning: overflow encountered in multiply：乘法运算时出现数值溢出，即计算得到的数值超出了浮点数可表示的最大范围，这是除零得到inf后，无穷大值参与后续幂运算、乘法运算引发的连锁错误。

• 更换合理初始点：不要选择边界值作为迭代起点，在(0,1)区间内选取初始值，例如0.5，避免第一步迭代就触发非法运算。
• 收紧边界避开奇点：由于约束是0<T<1开区间，将边界设置为避开两端奇点的微小偏移值，例如[(1e-8, 1-1e-8)]，从参数范围上杜绝T取0或1的可能。
• 核对目标函数公式：先修正注释中U项的公式错误，对照理论推导确认代码中U的表达式完全正确，避免逻辑错误导致优化结果无效。
• 兼容scipy的数组传参：将math库的运算替换为numpy对应运算，适配scipy优化时传入数组参数的调用逻辑，减少运算兼容问题。

修正后的可运行参考代码：

import scipy.optimize
import numpy as np


def function(T):
    # 注意：请先核对U的表达式是否符合你的理论推导，此处保留原代码的计算逻辑
    U = (T + 1 + 2 * np.sqrt(T)) / (T - 1) ** 2
    return 1 - T**3 * (1 - T - U) ** 5 * U**10

# 初始点选区间内值，边界收紧避开0、1端点
res = scipy.optimize.minimize(function, x0=0.5, bounds=[(1e-8, 1 - 1e-8)])
w = res.x

内容的提问来源于stack exchange，提问作者bibols