scipy.optimize.linprog的A_eq维度与Bounds参数支持问题咨询

scipy.optimize.linprog的A_eq参数明确要求传入二维数组，行对应约束数量，列对应决策变量数量，哪怕只有1个等式约束也需要显式构造为二维结构，否则就会触发维度不匹配报错。
你使用的添加全零约束的临时方案虽然数学上等价，但属于冗余操作，通用的正确处理方式如下：

• 单个等式约束场景：给一维数组增加一个维度即可，可通过reshape方法实现，修改后的可运行代码如下：

import numpy
from scipy import optimize

c = [0.056,0.0001,0.2099,0.1429,0.0682]
# 把一维的Aeq转为shape为(1, 变量数)的二维数组
Aeq = numpy.ones(len(c)).reshape(1, -1)
beq = 1
bounds = [(0, 0.4), (0, 0.4), (0, 0.4), (0, 0.4), (0, 0.4)]
res = optimize.linprog(c, A_eq=Aeq, b_eq=beq, bounds=bounds)

• 3个或多个等式约束场景：直接构造二维数组即可，每一行对应一个约束，天然符合二维格式要求，不需要额外处理，示例如下：

# 3个约束、5个变量的A_eq示例，shape为(3,5)
Aeq = numpy.array([
    [1,1,1,1,1], # 约束1：sum(x) = 1
    [1,0,2,0,1], # 约束2：自定义规则
    [0,3,0,1,0]  # 约束3：自定义规则
])
beq = [1, 0.6, 0.3]

optimize.Bounds是scipy后期为通用非线性优化接口minimize设计的参数类型，而linprog作为更早推出的专用线性规划接口，初始设计时就只支持(下限, 上限)元组组成的列表作为边界入参，目前官方没有对该接口做Bounds类型的兼容适配，因此直接传入会触发类型错误。
如果已经生成了Bounds对象，可以手动转换为linprog支持的格式，转换代码如下：

bounds_obj = optimize.Bounds([0,0,0,0,0],[0.4,0.4,0.4,0.4,0.4])
# 转为linprog支持的元组列表格式
bounds = list(zip(bounds_obj.lb, bounds_obj.ub))
# 后续直接传入linprog即可
res = optimize.linprog(c, A_eq=Aeq, b_eq=beq, bounds=bounds)

内容的提问来源于stack exchange，提问作者Bastian Löffler