为lmfit拟合模型添加参数约束遇问题，求解决方案

问题原因 #

你之前的方法中，c是通过表达式1+c1-constraint定义的，lmfit对这类由表达式生成的参数，不会应用其设置的min和max约束——参数值完全由表达式计算得出，超出范围时不会被截断，这就是约束失效的原因。

两种可行解决方案 #

方案一：重新参数化变量（自动满足约束） #

通过引入中间变量x，让所有约束条件自动成立，无需额外手动限制：

import lmfit

params = lmfit.Parameters()
# c1 保持原范围：-1 ≤ c1 ≤ 0
params.add("c1", value=-0.5, min=-1, max=0)
# x 范围设为0到1，用来间接定义c
params.add("x", value=0.5, min=0, max=1)
# 定义 c = (1 + c1) * x，自动满足所有约束：
# 1. 0 ≤ c ≤1：因为1+c1∈[0,1]，x∈[0,1]，乘积自然在0-1之间
# 2. 1+c1 -c = (1+c1)(1-x) >0：1+c1≥0，x<1时1-x>0，乘积严格大于0
params.add("c", expr="(1 + c1) * x")

如果需要严格保证1+c1 -c >0，可以把x的max设为0.999，避免x取1时等式成立。

方案二：直接添加不等式约束 #

利用lmfit的add_constraint方法，直接强制执行1+c1 -c >0的约束，同时保留c和c1的上下限：

import lmfit

params = lmfit.Parameters()
params.add("c", value=0.5, min=0, max=1)
params.add("c1", value=-0.5, min=-1, max=0)
# 添加不等式约束：c < 1 + c1，等价于1+c1 -c >0
params.add_constraint("c - (1 + c1) < 0")

内容的提问来源于stack exchange，提问作者Garvit Bansal