如何为scipy SLSQP优化器正确编写约束与边界条件？

1. 边界条件（bounds）设置 #

针对每个参数arg[i] > 0的要求，直接通过bounds参数定义参数范围：

# 用极小值1e-8而非严格0，避免SLSQP处理闭区间边界时的数值问题
bounds = [(1e-8, None) for _ in range(p)]

如果业务允许参数等于0，直接替换为(0, None)即可。

2. 不等式约束（constraints）设置 #

要求sum(arg[2:]) < 1，需要转化为SLSQP支持的非负不等式约束形式（SLSQP要求约束函数返回值≥0）。我们可以将约束改写为1 - sum(x[2:]) ≥ 0，对应的约束定义如下：

def constraint_sum(x):
    return 1 - sum(x[2:])

constraints = {'type': 'ineq', 'fun': constraint_sum}

若存在多个约束，将字典放入列表即可，比如constraints = [约束1字典, 约束2字典]。

完整代码示例 #

from scipy.optimize import minimize

def f(x):
    # 替换为你的实际目标函数逻辑
    return sum(x)  # 示例目标函数

p = 5  # 替换为你的实际参数个数
arg = [0.1] * p

# 定义参数边界
bounds = [(1e-8, None) for _ in range(p)]

# 定义求和约束
def constraint_sum(x):
    return 1 - sum(x[2:])

constraints = {'type': 'ineq', 'fun': constraint_sum}

# 执行优化
result = minimize(
    fun=f,
    x0=arg,
    method='SLSQP',
    constraints=constraints,
    bounds=bounds
)

print(result)

关键说明 #

• bounds是元组列表，每个元组对应单个参数的(下界, 上界)，None表示无限制。
• SLSQP的约束中，type='ineq'对应不等式约束，函数返回值必须≥0；等式约束用type='eq'，返回值需等于0。
• 切片x[2:]对应Python索引规则，从第三个参数开始求和，与需求中的arg[2:]完全匹配。

内容的提问来源于stack exchange，提问作者Erdem Şen