如何在SciPy中配置递增x的非线性约束以实现全局优化？

你之前的约束写法完全误解了NonlinearConstraint的工作逻辑。SciPy的这个类要求约束函数返回的每个值必须落在指定的上下界区间内，而你的函数返回1或-1，完全没对应到实际要约束的条件，这就是约束失效的核心原因。

正确的约束思路 #

你的核心约束是所有x满足x[i] <= x[i+1]，等价于x[i+1] - x[i] >= 0（i从0到N-2）。我们需要让约束函数返回这些差值，然后设置下界为0，上界为无穷大（因为差值可以是任意非负数）。

修正后的代码 #

import numpy as np
from scipy.optimize import differential_evolution, NonlinearConstraint

def con(x):
    # 提取前N个变量作为x1~xn，剩余两个是a和b
    x_vars = x[:N]
    # 计算相邻x的差值：x[i+1] - x[i]
    diffs = x_vars[1:] - x_vars[:-1]
    return diffs

# 约束：所有差值 >= 0，无上限
const = NonlinearConstraint(con, lb=0, ub=np.inf)

# 边界：所有N+2个变量都限制在(0,1)区间
bounds = [(0, 1)] * (N + 2)

# 执行全局优化
solution = differential_evolution(f, bounds, workers=-1, constraints=const)

关键说明 #

1. 约束函数的正确性：con函数直接提取前N个变量，计算相邻元素的差值数组，每个元素对应一个x[i+1]-x[i]的约束。NonlinearConstraint设置lb=0，确保所有差值都不小于0，也就是x严格递增（允许相等）。
2. 边界问题：你之前的bounds写法是对的，但要确保优化目标函数f的参数顺序和bounds对应——前N个是x1~xn，最后两个是a、b。如果迭代中仍出现少量x值超出边界，可以尝试添加polish=True参数，让结果更贴合边界要求。
3. 旧代码的问题：你之前的con函数返回的1/-1完全没表达出实际约束，SciPy无法识别你要限制x递增，自然会忽略约束；同时逻辑混乱的循环判断也导致约束条件传递错误。

内容的提问来源于stack exchange，提问作者Vladimir Sinitsyn