Python scipy.optimize.shgo ValueError:包含多个元素的数组的真值不明确。使用a.any（）或a.all（）

我试图拟合一个函数

y（x，T，p）

，得到系数

a

，

b

，

c

，

d

，

e

，

f

。已知

y

、

x

、

T

、

p

的数据。有了全局优化器，我想找到一个好的起点

shgo

似乎是唯一接受

约束的人

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import shgo

# test data
x = np.array([0.1,0.2,0.3,1])
T = np.array([300,300,300,300])
p = np.array([67.2,67.2,67.2,67.2])
y = np.array([30,50,55,67.2])

# function
def func(pars,x,T,p):
    a,b,c,d,e,f = pars
    return x*p+x*(1-x)*(a+b*T+c*T**2+d*x+e*x*T+f*x*T**2)*p

# residual
def resid(pars):
    return ((func(pars,x,T,p) - y) ** 2).sum()

# constraint: derivation is positive in every data point
def der(pars):
    a,b,c,d,e,f = pars
    return -p*((3*f*T**2+3*e*T+3*d)*x**2+((2*c-2*f)*T**2+(2*b-2*e)*T-2*d+2*a)*x-c*T**2-b*T-a-1)

con1 = ({'type':'ineq', 'fun':der})

# minimizer shgo
bounds = [(-1,1),(-1,1),(-1,1),(-1,1),(-1,1),(-1,1)]
res = shgo(resid, bounds, constraints=con1)
print("a = %f , b = %f, c = %f, d = %f, e = %f, f = %f" % (res[0], res[1], res[2], res[3], res[4], res[5]))

# plotting
x0 = np.linspace(0, 1, 100)
fig, ax = plt.subplots()
fig.dpi = 80
ax.plot(x,y,'ro',label='data')
for i,txt in enumerate(T):
    ax.annotate(txt,(x[i],y[i]))
ax.plot(x0, func(res.x, x0, 300,67.2), '-', label='fit1')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()

通过这一点，我得到了
ValueError：包含多个元素的数组的真值是不明确的。使用a.any（）或a.all（）

我不知道这个错误意味着什么，而具有相同错误的其他线程并不能真正帮助我理解。当我使用局部极小值（
scipy.optimize.minimize
方法
cobyla
）时，不会出现错误

有人能帮我理解我的问题，甚至帮我解决它吗？
谢谢

编辑：

回溯（最近一次呼叫最后一次）：
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo\u lib\triangulation.py”，第759行，在u getitem中__
返回self.cache[x]
KeyError：（0,0,0,0,0,0,0）
在处理上述异常期间，发生了另一个异常：
回溯（最近一次呼叫最后一次）：
文件“C:/Users/../test.py”，第70行，在
res=shgo（剩余、边界、约束=con1）
shgo中第423行的文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo.py”
shc.Construction_complex（）
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo.py”，第726行，在construct\u complex中
self.iterate（）
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo.py”，第869行，在iterate中
self.iterate_complex（）
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo.py”，第890行，在迭代超立方体中
self.g_args）
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo\u lib\triangulation.py”，第121行，在u init中__
self.n_立方体（尺寸，对称=对称）
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo\u lib\triangulation.py”，第172行，在n\u cube中
self.C0.add_顶点（self.V[origintuple]）
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo\u lib\triangulation.py”，第767行，在u getitem中__
索引=自索引）
文件“C:\Users\…\Python\Python36\site packages\scipy\optimize\\u shgo\u lib\triangulation.py”，第681行，在u init中__
如果g（self.x_a，*args）<0.0：
ValueError：包含多个元素的数组的真值不明确。使用a.any（）或a.all（）
问题是，
der
返回一个数组而不是标量值。改变

con1 = ({'type':'ineq', 'fun':der})

到

删除错误。这会将
der
的每个输出转换为其自身的不等式约束。
如果要测试除shgo之外的其他优化器，可以尝试在函数中实现“砖墙”，以在违反任何给定约束时返回一个大错误，例如1.0E10。虽然初始参数估计必须在允许优化器开始的约束范围内，但这种简单的技术有时在实践中非常有用。如果您显示了错误回溯，则会有所帮助，以便我们（并且您）可以看到错误发生的位置。在简单的真/假测试中使用数组时，会发生类似这样的错误。我怀疑它与
con1
约束有关，例如
def
返回一个数组而不是单个值。但我们真的需要追踪。我已经编辑了我的帖子。
con1 = ({'type':'ineq', 'fun':der})

con_list = [{'type':'ineq', 'fun': lambda x: der(x)[i_out]} for i_out in range(T.shape[0])]