scipy.optimize.minimize多变量优化不收敛，求解使Board_Moments最小的参数

问题核心原因 #

• 目标函数定义错误：scipy.optimize.minimize默认求解函数的最小值，你当前直接返回deltaM，算法会无限往deltaM负向增大的方向迭代，而不是寻找deltaM=0的根，这是出现lm迭代到1e23量级离谱结果的核心原因
• 未加参数物理边界约束：board_trim（纵倾角）和lm（长度参数）都有合理物理范围，无约束下算法会遍历无意义的参数区间
• 可选：参数单位可能存在错误，比如注释里displacement_N标注为kN，但70*9.81得到的是N单位，若实际displacement单位是吨，需要补1000的换算系数

解决步骤 #

1. 修正目标函数 #

将目标函数改为返回deltaM的平方（或绝对值），此时函数最小值对应deltaM=0的理想状态：

def Board_Moments(params):
    board_trim, lm = params
    # 若displacement单位为吨，此处改为 displacement * 1000 * 9.81
    displacement_N = displacement * 9.81 
    lp = Lp(Vs_ms, b, lm)
    N = displacement_N * cos(d2r(board_trim))
    deltaM = (displacement_N * LCG) - (N * lp)
    # 修正为返回平方，也可以用abs(deltaM)
    return deltaM ** 2 

2. 增加参数边界约束 #

根据物理意义给两个参数设置合理范围，比如纵倾角board_trim范围设为0_{30度，`lm`范围设为5}30（可根据你的实际场景调整范围）。

3. 调整优化参数 #

选择支持边界约束的优化算法，同时可以放宽迭代次数限制，完整可运行代码参考：

from scipy.optimize import minimize
from math import cos, radians as d2r

# 原有参数保持不变
displacement = 70
b = 6.5
deadrise = 20
LCG = 10
Vs_ms = 23.15
rho = 1025
mu = 1.19e-6

# 原有工具函数保持不变
def Cv(Vs_ms, b):
    cv = Vs_ms / (9.81 * b)**0.5 
    return cv

def Lambda_(lm, b):
    lambda_ = lm / b
    return lambda_

def Lp(Vs_ms, b, lm):
    cv = Cv(Vs_ms, b)
    Lambda = Lambda_(lm, b)
    Cp = 0.75 - (1 / (5.21 * (cv / Lambda)**2 + 2.39))
    lp = Cp * lm
    return lp

# 修正后的目标函数
def Board_Moments(params):
    board_trim, lm = params
    displacement_N = displacement * 9.81
    lp = Lp(Vs_ms, b, lm)
    N = displacement_N * cos(d2r(board_trim))
    deltaM = (displacement_N * LCG) - (N * lp)
    return deltaM ** 2

# 初始值不变
x0 = [2, 17.754]
# 参数边界：(board_trim最小值, 最大值), (lm最小值, 最大值)，可按需调整
bounds = [(0, 30), (5, 30)]
# 选择支持边界的L-BFGS-B算法，放宽迭代次数限制
Deltam = minimize(Board_Moments, x0, method='L-BFGS-B', bounds=bounds, options={'maxiter': 1000})
print(Deltam)

4. 可选优化 #

如果还是收敛效果不好，可以：

• 调整参数边界范围，匹配你的实际工程场景
• 更换优化算法，比如Powell、TNC都支持边界约束
• 若你本质是求deltaM=0的根，也可以改用scipy.optimize.root函数求解，更匹配求根场景

内容的提问来源于stack exchange，提问作者Jaume Triay