Scipy optimize调用brute函数时报参数数量不正确TypeError

问题复现代码 #

def my_func(x,args):
  a = x[0]
  b = x[1]
  return a*args[0] + a*args[1] + b*args[2]

import scipy.optimize as optimize

params = [1,2,3]
guess = [3,4]
bounds = [(1,5),(2,7)]

result = optimize.minimize(my_func, x0=guess, args=(params), method='SLSQP', bounds = bounds)
print(result)
print('done')
result = optimize.brute(my_func, args = tuple(params), ranges = bounds)
print(result)

问题现象 #

调用optimize.minimize的第一个优化任务可正常运行，但第二个调用optimize.brute的优化任务出现输入参数数量异常，对应运行输出与报错信息如下：

fun: 9.0
     jac: array([3., 3.])
 message: 'Optimization terminated successfully'
    nfev: 6
     nit: 2
    njev: 2
  status: 0
 success: True
       x: array([1., 2.])
done
Traceback (most recent call last):
  File "c:\Users\bob\Desktop\optimiser.py", line 15, in <module>
    result = optimize.brute(my_func, args = tuple(params), ranges = bounds)
  File "C:\Users\bob\Anaconda3\lib\site-packages\scipy\optimize\optimize.py", line 3328, in brute
    Jout = np.array(list(mapper(wrapped_func, grid)))
  File "C:\Users\bob\Anaconda3\lib\site-packages\scipy\optimize\optimize.py", line 3400, in __call__
    return self.f(np.asarray(x).flatten(), *self.args)
TypeError: my_func() takes 2 positional arguments but 4 were given

报错提示向仅接收2个位置参数的my_func传入了4个参数，与函数定义冲突。

两个scipy优化接口对args参数的处理逻辑存在差异，叠加代码中元组的不规范写法，共同导致问题：

• optimize.minimize会将传入的args整体作为第二个位置参数传给目标函数。代码中写的args=(params)没有加尾逗号，Python不会将其识别为元组，实际传入的就是列表[1,2,3]本身，刚好匹配my_func(x, args)的入参要求，因此第一个调用可以正常运行。
• optimize.brute会将传入的args元组做解包处理，逐个作为位置参数传给目标函数。代码中写的args = tuple(params)会把[1,2,3]转为(1,2,3)，brute内部调用函数时实际执行的是my_func(x, 1, 2, 3)，算上x一共传入4个位置参数，和函数仅接收2个位置参数的定义冲突，因此触发报错。

选择任意一种改法即可修复问题，推荐第一种，适配所有scipy优化接口的通用传参规范：

1. 修改目标函数入参，规范args传值
   把目标函数改为接收可变长度额外参数，同时修正两处args的传值，统一传入单元素元组包裹params：

   # 改函数入参为*args，兼容解包传参
   def my_func(x, *args):
     a = x[0]
     b = x[1]
     return a*args[0] + a*args[1] + b*args[2]
   
   import scipy.optimize as optimize
   
   params = [1,2,3]
   guess = [3,4]
   bounds = [(1,5),(2,7)]
   # 给args加尾逗号，明确传单元素元组
   result = optimize.minimize(my_func, x0=guess, args=(params,), method='SLSQP', bounds = bounds)
   print(result)
   print('done')
   # 同样传包裹params的单元素元组，不要把params拆成多个值传
   result = optimize.brute(my_func, args=(params,), ranges = bounds)
   print(result)
   

2. 不修改目标函数，仅修正brute的传参
   如果不想改动原有函数定义，直接把brute调用时的args = tuple(params)改成args=(params,)即可，此时brute解包args只会拿到params这一个对象，刚好匹配函数的入参数量要求。

修改后两个优化调用都能正常运行，最终得到的范围内最优解为[1., 2.]，对应最小函数值为9。

内容的提问来源于stack exchange，提问作者P227