Python scipy.optimize.basinhoing，目标函数的非数值参数

我正在尝试使用模拟退火/basinhopping来找到语法对象的最小描述长度，并根据该语法找到数据

我自己定义语法对象，以及

take_step

（这是语法上的一种变异）：

问题：我得到一个错误：

File "C:\Users\Sefi\Anaconda3\lib\site-packages\scipy\optimize\optimize.py", line 556, in _approx_fprime_helper
    grad[k] = (f(*((xk + d,) + args)) - f0) / d[k]
TypeError: unsupported operand type(s) for +: 'Grammar' and 'float'

如何使算法单独引用take step函数，以便找到目标函数当前值附近的邻居？此处无法定义小步长

也许盆地跳跃无法处理非数值参数？

---

如果是这样的话，您是否知道Python中的广义模拟退火算法可以做到这一点（我可以自己编写一个，但它的效率远远低于scipy…）

Basinhopping不适合离散优化，因为局部最小化步骤要求目标函数是连续的。如果你想走模拟退火的路线，你也许可以试试这个软件包。A也可能有意义。如果不了解更多关于您试图解决的具体问题的信息，就不可能提出有意义的建议。明白。谢谢你的回答和参考！你所说的在实践中或多或少是正确的。但原则上，只要选择能够处理离散函数的局部极小化子，basinhopping就可以用于离散优化。basinhopping不适用于离散优化，因为局部极小化步骤要求目标函数是连续的。如果你想走模拟退火的路线，你也许可以试试这个软件包。A也可能有意义。如果不了解更多关于您试图解决的具体问题的信息，就不可能提出有意义的建议。明白。谢谢你的回答和参考！你所说的在实践中或多或少是正确的。但原则上，只要选择一个能够处理离散函数的局部极小值，basinhopping就可以用于离散优化。

File "C:\Users\Sefi\Anaconda3\lib\site-packages\scipy\optimize\optimize.py", line 556, in _approx_fprime_helper
    grad[k] = (f(*((xk + d,) + args)) - f0) / d[k]
TypeError: unsupported operand type(s) for +: 'Grammar' and 'float'