我正在尝试解决一个大型非线性方程组（大约几百个方程和变量，但变量比方程少）。鉴于系统非常稀疏且庞大，我正在使用optimize.least_squareSciPy 的求解器和 Trust Regions 方法。

但是对于某些示例，找到解决方案需要很长时间，有时它会落在我认为的局部最小值或鞍点上。

我认为这些问题可能来自问题条件不佳的事实。所以我尝试在方程上添加权重，以便为所有残差提供大致相同的比例，它提高了速度和收敛性，但并不完全。

所以我想知道：python中是否有一个工具可以检测函数是否条件不良，或者在调用求解器之前对其进行预处理？

这是我用于求解器的参数：

solution = optimize.least_squares(system, xinput, method='trf, loss='soft_l1', f_scale=10, x_scale='jac')