Scipy优化报错：TypeError: f1() takes 1 positional argument but 2 were given

嘿，我来帮你搞定这个报错问题！你遇到的这个错误，核心原因是Scipy的minimize函数在调用目标函数时，会自动传递额外的参数，但你定义的f1函数只接受一个x参数，没法处理这些额外参数，所以就触发了参数不匹配的错误。

先拆解下你代码里的两个小问题：

• 你调用optimize.minimize(f1, initial_x_1, [], 'COBYLA')时，第三个位置参数[]被Scipy当成了args参数——这个参数是用来给目标函数传递额外参数的，哪怕你传的是空列表，Scipy也会尝试把它unpack后传给f1，这就导致了参数数量不对；而且COBYLA作为优化方法，应该用关键字参数method='COBYLA'来指定，用位置参数很容易搞混顺序。
• 你的f1函数里只有sum(x)，没写return语句，这样函数默认返回None，后续优化过程也会因为拿不到有效的目标函数值而出问题。

这里给你两个简单的解决办法，选一个用就行：

办法一：修改目标函数，兼容额外参数 #

把f1改成能接受可变参数的形式，这样不管Scipy传多少额外参数，都能完美适配：

def f1(x, *args):
    return sum(x)

办法二：调整minimize的调用方式，规范传参 #

不用位置参数传递优化方法，改用关键字参数明确指定method；如果没有额外参数要传给目标函数，就不用写args（或者显式传args=()），同时把np.ndarray换成更常用的np.array来初始化数组：

import numpy as np
from scipy import optimize

def f1(x):
    return sum(x)

initial_x_1 = np.array([1])
res = optimize.minimize(f1, initial_x_1, method='COBYLA')

这样调整后，你的代码就能正常运行啦！

备注：内容来源于stack exchange，提问作者Jelly