scipy.optimize约束定义问题：含未知数量约束的极小化求解

首先，你的代码报错是因为完全用错了scipy.optimize.Bounds的语法，而且混淆了「独立边界约束」和「变量间依赖约束」的区别——后者不能用Bounds处理，得用专门的约束对象。

先理清楚你的约束（从问题描述和代码反推） #

根据你提供的信息，约束应该分为三类：

1. 第一个变量：0 ≤ η₁ ≤ 1
2. 中间变量（第2到第n-1个）：η_{i-1} ≤ η_i ≤ η_{i+1}（变量间的依赖约束）
3. 全局等式约束：Σ(a_i * η_i) = y_max

第一步：纠正边界约束的写法 #

scipy.optimize.Bounds只负责每个变量自身的独立上下界，需要传入两个一维numpy数组：

• lb：每个变量的下界
• ub：每个变量的上界

比如针对第一个变量的约束，初始化lb和ub：

import numpy as np
from scipy.optimize import minimize, Bounds, LinearConstraint

n = len(rates)  # 变量总数
lb = np.full(n, -np.inf)  # 默认下界设为负无穷
ub = np.full(n, np.inf)   # 默认上界设为正无穷
# 第一个变量的约束：0 ≤ η₁ ≤1
lb[0] = 0
ub[0] = 1
bnds = Bounds(lb, ub)

第二步：处理变量间的依赖约束（η_{i-1} ≤ η_i ≤ η_{i+1}） #

这类约束是线性不等式约束，需要用LinearConstraint来定义。我们把每个约束转化为线性形式：

• 对于第i个变量（Python索引从1到n-2）：η[i] - η[i-1] ≥ 0（对应η_i ≥ η_{i-1}）
• 同时：η[i+1] - η[i] ≥ 0（对应η_i ≤ η_{i+1}）

我们可以把这些约束整理成矩阵A和向量b：

# 构建约束矩阵A和右侧向量b
constraint_rows = []
constraint_b = []

# 处理η[i] ≥ η[i-1]
for i in range(1, n-1):
    row = np.zeros(n)
    row[i] = 1
    row[i-1] = -1
    constraint_rows.append(row)
    constraint_b.append(0)

# 处理η[i] ≤ η[i+1] → 等价于η[i+1] - η[i] ≥0
for i in range(1, n-1):
    row = np.zeros(n)
    row[i+1] = 1
    row[i] = -1
    constraint_rows.append(row)
    constraint_b.append(0)

# 转化为numpy数组
A = np.array(constraint_rows)
b = np.array(constraint_b)

# 创建线性不等式约束：A @ η ≥ b
var_dep_constraint = LinearConstraint(A, lb=b, ub=np.inf)

第三步：处理全局等式约束（Σa_iη_i = y_max） #

这也是线性约束，直接用LinearConstraint的等式形式：

# a_i是已知的numpy数组，y_max是已知数值
eq_constraint = LinearConstraint(a_i, lb=y_max, ub=y_max)

第四步：调用minimize函数 #

把所有约束合并，传入目标函数g（你已经定义好的）和初始猜测rates：

# 合并所有约束
constraints = [var_dep_constraint, eq_constraint]

# 执行极小化
result = minimize(g, x0=rates, bounds=bnds, constraints=constraints)

# 查看结果
print(result.x)  # 最优解
print(result.fun)  # 最优目标值

为什么你的原代码报错？ #

你直接在Bounds里写生成器表达式，既不符合Bounds的参数要求（需要两个数组），又犯了Python语法错误——生成器表达式必须用括号括起来，但就算括起来，Bounds也不接受这种依赖其他变量的动态边界，因为Bounds只能处理每个变量的独立上下界，变量间的依赖必须放到constraints参数里。

内容的提问来源于stack exchange，提问作者honkhonk