Python 根查找有时会失败。F解决方案是否可以为2D优化设定限制？

我试图找到一个2D优化问题的根，形式如下（下面不是实际的方程，因为它很长，这只是问题类型的一个例子）

我想知道a和b，其中c和d为零

到目前为止，我正在使用scipy优化库中的fsolve，并将种子值作为我知道接近解决方案的值传递。这很好，虽然偶尔会失败，但我得到了关于解算器“在过去10次迭代中没有取得良好进展”的错误

我想知道是否有一种方法/通用的良好实践可以使根查找更加健壮

否则，我想尝试有界根查找。在1D中，可以使用fminbound，但我找不到一个函数可以让我为2D问题指定边界

谢谢你的帮助

---

感谢

总而言之，没有通用的方法使根查找更加健壮-这是scipy.optimize中有这么多不同功能的原因

一个技巧是不要求f（x）的根，你可以试着求f^2（x）的极小值。寻找极小值通常更稳健，因为该算法只需要不断向下到底。然而，缺点是发现的最小值可能不在f（x）=0（即不是根）

所以，您可以尝试scipy.optimize.fmin_tnc，这是一个有界的极小值，看看会发生什么

---

好的猜测总是有帮助的，但“关闭”可能并不总是最好的-您可能会更深入地研究函数，并弄清楚“关闭”边的景观到底是什么样子，如果在不同方向上“关闭”（或远！），则解算器可能会更容易（也就是说，一个方向可能非常颠簸，需要翻山越岭才能找到山谷，而另一个方向有一条通向谷底的美丽宽阔的道路。）

我们是否应该假设在您的“实际”中问题，就

a

而言，不可能解决

b

？最好的方法是利用自由变量之间的关系，从分析角度将问题减少到1D。

def my_function(a,b):
    c = exp(a) + b
    d = a + 2 - exp(b)
    return c, d