使用SLSQP的optimize.minimize未收敛，结果小于ftol求原因

result = optim.minimize(fun, x0, method='SLSQP', options={'eps': 0.0001, 'ftol': 1000}, bounds=[(0, 0.01)], args=(file,))

def fun(opt_vars, file):
    # 已知值
    v = np.zeros(5)
    v[0] = 454.546412
    v[1] = 3242.201274
    v[2] = 1000023
    v[3] = 5.2 
    v[4] = 1.1
    output = myfunction(opt_vars, file)
    return abs((v[0]-output[0])/v[0] + (v[1]-output[1])/v[1] +  (v[2]-output[2])/v[2] + (v[3]-output[3])/v[3] + (v[4]-output[4])/v[4])

fun是一个归一化代价函数，当前输出值约为1.28e-4。尝试将ftol从1000调整到1e-4的不同取值，优化器始终无法收敛。根据SLSQP方法的文档，无法设置xtol，因此排除该参数影响。目前无法确定是minimize函数本身的问题还是使用方式有误——毕竟1.28e-4远小于ftol=1000的阈值，理论上应该立即收敛。

已执行的调试操作：

• 查阅官方文档
• 尝试设置xtol（发现SLSQP不支持）
• 测试不同ftol取值
• 咨询AI工具求助
• 在GitHub发帖，被指引至相关平台

内容的提问来源于stack exchange，提问作者long-environment123