如何将数学符号表述的约束文本转换为Scipy优化库约束？

• Python内置AST解析+手动适配：用Python自带的ast模块解析文本表达式，适配Scipy约束格式：
  1. 将不等式（如x[0] < sin(x[1]) + 1.9）转换为左侧 - 右侧 ≤ 0的标准形式，对应Scipy约束的边界规则
  2. 解析表达式时替换数学函数（如sin替换为np.sin），生成可执行的lambda函数
  3. 自动生成NonlinearConstraint实例代码
• 基于SymPy的转换方案：借助SymPy的符号表达式能力，快速完成文本到可执行函数的转换：

  from sympy import sympify, lambdify, sin
  from scipy.optimize import NonlinearConstraint
  import numpy as np
  
  # 输入约束文本
  constraint_text = "x[0] < sin(x[1]) + 1.9"
  # 转换为符号表达式形式：x[0] - (sin(x[1]) + 1.9)
  expr_str = constraint_text.replace("<", "- (") + ")"
  sym_expr = sympify(expr_str)
  # 转换为numpy兼容的函数
  con_func = lambdify("x", sym_expr, modules="numpy")
  # 创建非线性约束
  nlc = NonlinearConstraint(con_func, -np.inf, 0)
  

  需根据不等式类型（<, >, ≤, ≥）调整约束上下界：比如a > b要转成a - b > 0，对应约束下界为0，上界为正无穷
• 自定义批量处理脚本：可以封装函数自动识别不等式符号，批量替换数学函数为numpy实现，自动生成符合Scipy要求的约束代码

内容的提问来源于stack exchange，提问作者Polo