在scipy.optimize.minimize中处理x < y < z这类变量依赖约束的最优实现方式咨询

我现在要用到scipy.optimize.minimize来最小化一个三元函数f(x,y,z)，但有个约束条件必须满足：x < y < z。

我琢磨着bounds参数应该搞不定这个，因为它好像不支持这种和其他变量挂钩的边界限制，我没搞错吧？

后来我想了个变通办法：重新包装一下目标函数，当不满足x < y < z这个条件时，就让函数返回一个极大值，代码大概是这样的：

import numpy as np

f = lambda x,y,z: x**2 + y**2 + z**2

def new_f(x,y,z):
    if x < y < z:
        res = f(x,y,z)
    else:
        res = np.inf

    return res

这种方式对于非梯度类的优化器应该是能用的，但我总觉得可能还有更规范、更稳健的实现方式，想问问各位大佬有没有什么经验或者更好的方案？

备注：内容来源于stack exchange，提问作者Ben