Optimization 一些numpy/scipy代码的优化

我正在尝试优化一些python代码，它使用

scipy.optimize.root

进行根查找

cProfile告诉我，大多数时候程序都在计算由

optimize.root调用的函数：
e、 g.在80秒的总执行时间中，58秒花费在
linespherecalist
上，其中
fun
贡献了54秒（约215000次调用）：

该函数包含一些基本三角函数：

    def lineSphericalDist(self, tt, t0, a0):
        x0,y0,vnn = self.fun(t0)[0:3]
        beta = np.pi + t0 + a0 - vnn

        l = np.sin(beta - t0)/np.sin(beta - tt)

        x2,y2 = self.fun(tt)[0:2]
        return np.sqrt(x0**2+y0**2)*l-np.sqrt(x2**2+y2**2)

在最简单的情况下，乐趣在于：

    def fun(self,t):
        return self.r*np.cos(t),self.r*np.sin(t),np.pi/2.,np.mod(t+np.pi/2., np.pi*2.)

有没有办法加快速度（tguess已经是一个不错的起点）？我做错什么了吗？e、 g.以我在
fun
中的方式返回多个值是否是一个好主意？
如果我很好地理解您的
a0
和
t0
不是优化的一部分，那么您只优化了
tt
。但是，在
lineSphereCalist
中，您称self.fun（t0）。您可以在LineSphereCalist之外预先计算该数量，这将使对self的调用数量减少一半。有趣

您还可以计算
beta
，和
np.sin（beta-t0）
，以及
np.sqrt（x0**2+y0**2）
外部LineSphereCalist，只留下真正依赖于
tt
内部LineSphereCalist的位

最后，如果只使用3或2，为什么self.fun会计算4个值？这是您的瓶颈函数，让它只计算严格必需的函数…
在这种情况下，瓶颈似乎是函数
trace（）
，因此您应该找到
optimize.root（）
的替代方法，以提高速度。。。
    def lineSphericalDist(self, tt, t0, a0):
        x0,y0,vnn = self.fun(t0)[0:3]
        beta = np.pi + t0 + a0 - vnn

        l = np.sin(beta - t0)/np.sin(beta - tt)

        x2,y2 = self.fun(tt)[0:2]
        return np.sqrt(x0**2+y0**2)*l-np.sqrt(x2**2+y2**2)

    def fun(self,t):
        return self.r*np.cos(t),self.r*np.sin(t),np.pi/2.,np.mod(t+np.pi/2., np.pi*2.)