scipy.optimize.minimize SLSQP算法不遵守约束条件问题求解

异常原因 #

• 约束定义不符合SLSQP的参数要求
  scipy的SLSQP求解器仅识别约束字典中的type和fun参数，不支持直接传入lb、ub设置约束上下限。对于type='ineq'的不等式约束，SLSQP默认仅要求fun(x) >= 0，你代码中设置的上限规则完全未生效，相当于只加了con1 >=0、con2 >=0等下限约束，所有上限约束全部丢失。
• 未传入正确的初始值
  你代码中预先定义了接近理论最优的初始值x0 = (4.1, 5.1, 0.54)，但调用minimize时实际传入的初始值是[lw/2, lw/4, 0.4]，并未使用你预设的靠近最优解的初始点，给了优化器跑飞到不合理区域的可能。
• 未设置变量边界约束
  你没有给三个优化变量传入bounds参数限制取值范围，导致优化器输出了明显不符合物理意义的结果：x[0]接近0、x[1]为负数、alpha达到7弧度（远超过mud=0.6对应的反正切值）。
• 数值量级不匹配与除零防护逻辑缺陷
  你的约束和目标函数数值跨度达到10^14量级，远超SLSQP默认的约束容忍度阈值，极小的计算误差就会导致约束判断失效；同时你仅在ey2v(x) == ey2m(x)时才加delta避免除零，但浮点运算中二者几乎不会完全相等，只要差值极小就会出现分母趋近于0的情况，导致函数输出数值爆炸，优化器迭代方向完全偏离。

修复方案 #

• 修正约束定义：把每个带上下限的约束拆成两个独立的不等式约束，例如con1的范围0 <= con1(x) <= fyd*tw，拆分为：

  # con1 >= 0
  {'type': 'ineq', 'fun': lambda x: con1(x) - 0},
  # con1 <= fyd*tw 等价于 fyd*tw - con1(x) >=0
  {'type': 'ineq', 'fun': lambda x: fyd*tw - con1(x)}
  

  其余3个约束按同样规则拆分。
• 给变量加合理边界：调用minimize时传入bounds参数，例如：

  import math
  bounds = [
      (1e-3, lw), # l2v 下限留冗余避免除零
      (1e-3, lw), # l2m
      (0, math.atan(mud)) # alpha直接限制到合理范围
  ]
  res = minimize(F, x0, method='SLSQP', constraints=cons, bounds=bounds)
  

• 优化数值稳定性：对目标函数和约束做归一化，将所有输出值映射到0~1量级；同时修改除零防护逻辑，只要分母绝对值小于1e-6就加delta，不需要判断完全相等。
• 调整求解器参数：通过options参数收紧收敛阈值，例如options={'ftol': 1e-8, 'maxiter': 1000}提高求解精度。

内容的提问来源于stack exchange，提问作者rst