调用SciPy的dual_annealing优化器时遇参数错误求助

嗨，我来帮你搞定这两个报错问题，咱们逐个分析：

第一个错误：TypeError: dual_annealing() got an unexpected keyword argument 'options' #

SciPy里的dual_annealing和minimize这类优化器不一样，它不支持options字典参数，所有的配置参数（比如maxiter）都是直接作为关键字参数传递的，不需要打包进options里。所以你第一个写法里的options={"maxiter": budget}是错的，直接改成maxiter=budget就行。

第二个错误：TypeError: objective_function() takes from 2 to 3 positional arguments but 7 were given #

这个问题出在目标函数定义和你传入的args不匹配上：

• 你的目标函数func定义是def func(params, y, penalty_list=None):，除了优化变量params外，只接受1个必填参数y和1个可选参数penalty_list，总共最多3个参数。
• 但你传入的args是[df_1, df_2, df_3, df_4, df_5, name]，一共6个参数，加上params的话，调用func时就会传入7个参数，自然就报错了。

解决办法： #

要么调整目标函数的参数列表，让它能接收你传入的这6个额外参数；要么把这6个参数打包成一个对象（比如字典、元组），减少args的元素数量。举个例子，调整函数定义的写法：

import scipy.optimize as spo

# 尽量别用eval，直接引用函数更安全简洁
optimizer = spo.dual_annealing

# 调整函数参数，和args里的6个元素对应
def func(params, df_1, df_2, df_3, df_4, df_5, name):
    # 这里写你的计算逻辑，params是优化的参数数组
    <more code here>

args = [df_1, df_2, df_3, df_4, df_5, name]

# 正确的调用方式，直接传maxiter，不用options
result = optimizer(func, 
                   bounds=[(0, 1)] * len(df_values),
                   args=args,
                   maxiter=budget)

另外提一句，尽量避免用eval(optimizer_fn)这种写法，不仅有安全风险，如果字符串写错了还容易出奇怪的错误，直接写optimizer = spo.dual_annealing就好。

备注：内容来源于stack exchange，提问作者madmatrix