Python-Scipy：优化进度监控（用于调试）

嘿，我之前也被这个问题卡过！Scipy的优化器默认确实不会主动输出迭代进度，不过有几个简单又实用的方法能解决，给你详细说说：

• 用自定义回调函数（最灵活的方式）
  大部分Scipy优化器（比如minimize、basinhopping、differential_evolution）都支持传入callback参数——每次迭代时会自动调用这个函数，你可以在里面打印进度、记录数据，甚至中途终止优化。

  举个具体的例子，以scipy.optimize.minimize为例：

  import numpy as np
  from scipy.optimize import minimize
  
  # 先定义你的目标函数
  def my_objective(x):
      return (x[0] - 2)**2 + (x[1] - 1.5)**2 + np.sin(x[0]*3)
  
  # 初始化迭代计数
  iter_count = 0
  # 定义回调函数，xk是当前迭代的参数值
  def monitor_iteration(xk):
      global iter_count
      current_loss = my_objective(xk)
      print(f"迭代 {iter_count}: 目标函数值 = {current_loss:.6f}, 当前参数 = [{xk[0]:.4f}, {xk[1]:.4f}]")
      iter_count += 1
      # 要是想中途终止优化，返回True就行（部分优化器支持）
      # return current_loss < 1e-5  # 比如当损失足够小时提前停止
  
  # 初始猜测参数
  x_initial = np.array([0, 0])
  
  # 调用优化器，传入回调函数
  opt_result = minimize(
      my_objective, 
      x_initial, 
      method='Nelder-Mead',  # 换成你用的优化器就行
      callback=monitor_iteration
  )
  
  print("\n优化完成！最终结果：")
  print(opt_result)
  

  你还可以在回调里把数据存到列表里，之后画迭代曲线分析收敛情况，比单纯打印更直观。

• 利用优化器自带的disp参数（快速看基础进度）
  有些Scipy优化器（比如L-BFGS-B、TNC、SLSQP）自带disp参数，设置为True就能让优化器自动输出迭代过程的基础信息，不用自己写回调：

  opt_result = minimize(
      my_objective, 
      x_initial, 
      method='L-BFGS-B', 
      disp=True  # 开启默认进度输出
  )
  

  不过这个输出的内容比较固定，没法自定义，适合快速排查进度，不适合需要详细监控的场景。

• 结合tqdm做进度条（长迭代任务更直观）
  如果你的优化要跑很多次迭代，用进度条会比一行行打印更清晰。先装tqdm（pip install tqdm），然后在回调里更新进度条：

  from tqdm import tqdm
  
  max_iterations = 200
  # 初始化进度条
  progress_bar = tqdm(total=max_iterations, desc="优化进行中", unit="迭代")
  
  def tqdm_monitor(xk):
      progress_bar.update(1)
      # 可以在进度条后缀显示当前目标函数值
      current_loss = my_objective(xk)
      progress_bar.set_postfix({"当前损失": f"{current_loss:.6f}"})
  
  opt_result = minimize(
      my_objective, 
      x_initial, 
      method='Nelder-Mead', 
      callback=tqdm_monitor,
      options={'maxiter': max_iterations}
  )
  progress_bar.close()
  

  要是不确定迭代次数，也可以在回调里判断优化是否收敛，提前关闭进度条。

备注：内容来源于stack exchange，提问作者Murali