如何用scipy.optimize.minimize设置约束找到目标边际对应最低售价

我需要最小化输入值x（售价），直到输出值y（边际）恰好达到目标值或存在微小误差。我知道可以用scipy.optimize.minimize函数，但配置不对。

我写了一个函数optimize_fun_test(price)，输入售价能计算产品的销售边际。比如输入100欧元时，边际是25%（0.25），我的目标边际是12.334452%（0.1233452），此时售价应该更低，需要找到满足目标边际（误差≤0.000001）的最低售价。

目前我的代码是：

optimize_fun_test(price)
s_price = 100
result = minimize(optimize_fun_test, s_price)

我不清楚怎么设置约束，了解到有等式和不等式约束，猜测应该用等式约束？请问约束是不是要写成这样：

cons=({'type','eq','fun' : lambda x_start: x_start-0.1233452})

你的思路方向是对的，但约束写法有问题，且minimize的目标函数和约束逻辑需要调整：

1. 目标函数调整
   你要最小化售价x，所以目标函数应该直接返回x，而不是返回边际值。原函数optimize_fun_test(x)是用来计算边际的，不能直接作为minimize的目标函数。

2. 约束条件修正
   等式约束的作用是让optimize_fun_test(x)的输出等于目标边际值（可通过minimize的tol参数控制误差）。你的约束写法有两个错误：

• 字典键值对不能用逗号分隔，必须用冒号
• 约束函数逻辑错误：应该是optimize_fun_test(x) - 目标边际值，而非x - 目标值（x是售价，不是边际）

3. 完整代码示例

from scipy.optimize import minimize

# 替换成你实际的边际计算逻辑
def optimize_fun_test(price):
    # 示例逻辑：仅作演示，需替换为你的业务计算代码
    return 0.25 * (price / 100)  

target_margin = 0.1233452
initial_price = 100

# 目标函数：最小化售价x
def objective(x):
    return x[0]  # minimize要求输入为数组，取第一个元素作为售价

# 等式约束：计算出的边际与目标值的差值为0
def constraint(x):
    return optimize_fun_test(x[0]) - target_margin

# 定义约束规则
cons = ({'type': 'eq', 'fun': constraint})

# 执行优化，设置误差容忍度为1e-6
result = minimize(objective, [initial_price], constraints=cons, tol=1e-6)

# 输出结果
if result.success:
    print(f"满足目标边际的最低售价：{result.x[0]:.6f}欧元")
    print(f"对应的边际值：{optimize_fun_test(result.x[0]):.8f}")
else:
    print("优化失败：", result.message)

4. 额外说明

• minimize要求输入参数为数组形式，所以初始值用[initial_price]，目标函数和约束函数都接收数组x，取x[0]作为售价
• 如果售价有下限（比如不能低于成本价），可以添加不等式约束：{'type': 'ineq', 'fun': lambda x: x[0] - 成本价}

内容的提问来源于stack exchange，提问作者wihee