scipy.optimize.fsolve会聚错误？

Question

这是密码

import scipy as sc
import scipy.optimize as sco

def g(rho):
    return 0.5 * (rho**2 + rho) * sc.exp(-rho)

p = 0.01017036
guess = 1.5879245860401234
sol = sco.fsolve(lambda rho: g(rho) - p, guess, full_output=True)

print g(sol[0]) - p
print sol

输出是

^{pr2}$

它说它会聚了，但显然没有，因为我应该使g(sol[0]) - p比0.4更接近于零

我认为用于产生错误的收敛性测试有问题。我知道我可以改变猜测并得到正确的解，但事实并非如此（我必须找到数千个根，我得到了很多这些假根），问题是错误捕捉算法不可靠。我做错什么了吗？？在

提前谢谢。在

Answer 1

您正在最小化目标函数，而不是查找根，而应该使用optimize.fmin：

import scipy as sc
import scipy.optimize as sco

def g(rho):
    return 0.5 * (rho**2 + rho) * sc.exp(-rho)

p = 0.01017036
guess = 1.5879245860401234
sol = sco.fmin(lambda rho: (g(rho)-p)**2, guess)

print sol
Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 23
         Function evaluations: 46
[ 8.2240227] 

这也可能与一个错误的猜测有关：

^{pr2}$

可能收敛性是由雅可比函数决定的，而你的guess不知何故导致雅可比矩阵落在一个奇怪的地方。注意，rho=8.22399478和{}的雅可比是相同的。而1.58792459正是最初的猜测。由于某些原因，fsolve似乎永远不会偏离最初的猜测。在