我使用scipy.optimize.minimize对一个目标函数进行无限制优化，该目标函数接收几个参数并基于这些参数运行复杂的数值模拟。这种模拟并不总是收敛的，在这种情况下，我使目标函数返回inf，在某些情况下，在另一些情况下。
我认为这种方法可以防止最小化收敛到一组参数附近的任何地方，从而使模拟发散。相反，我遇到了这样一种情况：模拟甚至不会收敛到起始参数集，但是优化不是失败，而是以0次迭代“成功”结束。它似乎并不关心返回inf的目标函数。
有没有办法告诉scipy.optimize.minimize失败，例如引发某种异常。虽然在这种情况下，很明显优化没有成功终止-因为0次迭代和事实上，我知道最佳结果-在某个点上，我想运行的问题，我不知道的解决方案，我需要依靠最小化告诉我，如果大便击中风扇。如果返回大量的nans和infs不会“破坏”算法，我想我将不得不用暴力来完成它。
下面是一个几乎迭代的例子。
这个函数是由两个变量组成的函数，总共被调用了4次：
1）起点->模拟发散，f（x）=inf
2）在1E-5到右边（梯度近似）->模拟发散，F（x）= INF
3）在高于1e-5点（梯度。近似值->模拟收敛，f（x）=一些有限值
4）在起始点再次->模拟发散，f（x）=inf
最佳答案
你有两个选择：
选择约束优化
修改目标函数，使其在数值模拟不收敛时发散。基本上这意味着返回一个较大的值，与“正常”值相比较大，这取决于您手头的问题。minimize然后将尝试优化朝另一个方向前进
然而，我有点惊讶于minimize没有将inf理解为一个大值，也没有试图从另一个方向寻找解决方案。是否只有当目标函数返回nan时，它才以0次迭代返回？您可以尝试通过打印目标函数中return语句前面的值来调试该问题。
关于python - 告诉scipy.optimize.minimize失败，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23659698/