Python（Scipy.optimize）优化：约束条件未生效问题

兄弟，我太懂这种代码跑起来没报错但结果完全不符合预期的憋屈了！结合你说的p1/p2是产品、m1/m2/m3是原材料的生产逻辑，用scipy.optimize.minimize时约束没生效，大概率是这几个地方出了问题：

• 约束的定义格式完全错了
  scipy对约束的格式有严格要求：必须是字典组成的列表，每个字典必须包含type（'eq'对应等式约束，'ineq'对应不等式约束）和fun（计算约束值的函数）。比如如果你的约束是“生产p1+p2消耗的m1不能超过库存”，那约束函数得返回库存m1 - (p1*单位消耗m1 + p2*单位消耗m1)——因为'ineq'要求返回值≥0才算满足约束，写反的话等于完全没加约束。

• 调用minimize时压根没传约束参数
  别笑，真的很多人会犯这种低级错误：要么把参数名写错（比如把constraints写成constraint），要么调用的时候直接漏了constraints=你的约束列表这一项。你回头看看代码里有没有把约束传给minimize？

• 变量维度/顺序和约束不匹配
  比如你优化的变量是[p1, p2]，但约束函数里不小心把变量顺序搞反了（把p1的消耗算成p2的），或者用了其他维度的数组。这种情况下约束逻辑本身就错了，自然起不到作用。

• 初始值离可行域太远
  如果你给的初始猜测值（比如p1=1000）直接超出了原材料m1的库存上限，优化器可能找不到可行解，甚至直接“无视”约束去跑（这种情况有时候不会报错，但结果肯定不对）。可以试试把初始值设得保守点，比如p1=p2=0，看看结果是不是符合约束。

• 约束函数的返回逻辑搞反了
  等式约束要求fun返回的值≈0才满足，如果你的约束是生产消耗的m1等于可用量，那函数得返回p1*a + p2*b - m1（设type='eq'），要是你写成m1 - p1*a -p2*b再配type='eq'，虽然数学上等价，但万一你手滑把type写成'ineq'，那约束直接失效。

给你举个贴合你场景的正确约束例子：

# 假设m1库存是100，p1每单位用2个m1，p2每单位用3个m1
def constraint_m1(x):
    p1, p2 = x
    return 100 - (2*p1 + 3*p2)  # 确保消耗不超过库存，返回值≥0

# 把约束打包成列表
constraints = [{'type': 'ineq', 'fun': constraint_m1}]

# 调用minimize时一定要传约束
result = minimize(earning_func, x0=[0,0], constraints=constraints)

另外，你可以先单独把输出结果代入约束函数，看看返回值是不是满足要求（ineq≥0，eq≈0），这样能快速定位是约束没被应用，还是约束本身逻辑错了。

内容的提问来源于stack exchange，提问作者Pericles Faliagas