Scipy 1.0.0无法导入NonlinearConstraint的问题求助

问题根源 #

你碰到的ImportError核心原因很明确：NonlinearConstraint类在Scipy 1.0.0版本里还没被引入——这个用于便捷定义非线性约束的类，是在Scipy 1.4.0版本才正式加入的。你当前用的1.0.0版本自然找不到这个类。

可行解决方案 #

这里给你两个实用的解决方向，你可以根据自身情况选择：

方案1：升级Scipy到稳定新版本（推荐）

升级版本是最省心的选择，新版本不仅包含NonlinearConstraint，还修复了旧版的诸多bug、优化了性能。
如果你用pip管理包，执行以下命令即可升级：

pip install --upgrade scipy

升级完成后重新运行你的代码，就能正常导入NonlinearConstraint了。

方案2：用Scipy 1.0.0支持的旧版非线性约束写法

如果因为环境限制没法升级，你可以借助Scipy 1.0.0原生支持的minimize函数constraints参数来定义非线性约束，示例写法如下：

import numpy as np
from scipy.optimize import minimize

# 示例目标函数（可替换为你的实际目标函数）
def obj_func(x):
    return x[0]**2 + x[1]**2

# 你的约束函数
def cons_f(x):
    return [x[0]**2 + x[1], x[0]**2 - x[1]]

# 约束的雅可比矩阵
def cons_J(x):
    return [[2*x[0], 1], [2*x[0], -1]]

# 转换为旧版支持的约束格式：将原约束cons_f(x) ≤1转为1 - cons_f(x) ≥0（旧版ineq要求返回值≥0）
constraints = [
    {'type': 'ineq', 'fun': lambda x: 1 - cons_f(x)[0], 'jac': lambda x: -cons_J(x)[0]},
    {'type': 'ineq', 'fun': lambda x: 1 - cons_f(x)[1], 'jac': lambda x: -cons_J(x)[1]}
]

# 初始猜测值
x0 = [0.5, 0.5]

# 执行优化
result = minimize(obj_func, x0, constraints=constraints, jac=True)
print(result)

如果需要定义等式约束，只需把type改为eq，同时让约束函数返回值等于0即可。

版本验证 #

升级后可以用以下代码确认版本是否达标：

import scipy
print(scipy.__version__)  # 需显示≥1.4.0的版本

内容的提问来源于stack exchange，提问作者caverac