Scipy minimize为何忽略约束条件？技术求助

首先，最可能导致Scipy忽略约束的原因是约束参数的格式错误：Scipy的optimize.minimize要求constraints参数是一个约束字典的列表——哪怕只有一个约束，也需要把字典放在列表里。你现在直接传入了单个字典，优化器没有正确识别这个约束，相当于完全没加约束，自然会直接找到目标函数的最小值点（也就是你定义的返回-9999999的区域）。

第一步：修正约束格式 #

把约束改成列表形式，这是最关键的修复：

constraints=[
    {'type': 'ineq', 'fun': constraint},
]

这样优化器才会正确加载你的约束条件，在满足约束的区域内寻找最小值。

第二步：优化目标函数设计 #

你的目标函数设计也存在潜在问题：当参数进入禁止区域时，直接返回一个极小值-9999999，这种不连续的突变会导致数值梯度计算（因为你设置了jac=False）出现巨大误差——即使约束生效，优化器也可能因为目标函数的“巨大诱惑”，在迭代过程中出现异常行为。

如果你的需求是禁止参数进入该区域，更合理的做法是给该区域添加惩罚项（让目标函数变大，而非变小），这样优化器会主动避开这个区域：

import numpy as np
from scipy import optimize

def constraint(params):
    # 约束逻辑：不在(15±2, -10±2)区域时返回≥0（满足），在区域内返回<0（违反）
    if abs(params[0] - 15) < 2 and abs(params[1] + 10) < 2:
        return -1
    else:
        return 0

def f(params):
    x, z = params
    # 进入禁止区域时添加高额惩罚，让目标函数大幅增大
    penalty = 0
    if abs(x - 15) < 2 and abs(z + 10) < 2:
        penalty = 9999999
    return (x - 15) ** 2 + (z + 10) ** 2 * np.sqrt(np.abs(np.sin(x))) + penalty

# 修正后的优化调用
result = optimize.minimize(
    f, 
    (-15, -15), 
    bounds=((-15.01, 15.01,), (-15.01, 15.01,),), 
    method="SLSQP", 
    options={'maxiter': 1024 * 1024}, 
    jac=False, 
    constraints=[{'type': 'ineq', 'fun': constraint}]
)

print(result)
print(f(result.x))

额外说明 #

• SLSQP的不等式约束规则是fun(x) ≥ 0时满足约束，你的constraint函数逻辑本身是对的，只是格式传错了。
• 使用数值梯度（jac=False）时，目标函数的不连续会严重影响优化精度，尽量用平滑的惩罚项替代这种突变设计，优化过程会更稳定。

内容的提问来源于stack exchange，提问作者artem