scipy.minimize未遵守约束求助：对数非负约束失效

首先，你的代码触发ValueError: math domain error主要有两个核心原因：

1. 优化问题本身无界，导致求解器触碰定义域边界 #

你的目标函数是math.log(x - b)，当x从右侧无限趋近于b时，函数值会趋向负无穷——也就是说这个函数不存在最小值，你可以让x无限接近b来得到任意小的结果。SLSQP求解器在尝试寻找最小值的过程中，会不断试探更接近b的点，最终碰到x = b的情况，此时x - b = 0，而math.log(0)是不被允许的，直接触发定义域错误。

2. 代码存在一个小语法问题 #

你写的args=(b)在Python中会被解析成单个变量b，而非元组。scipy的minimize函数期望args是元组来传递额外参数，正确写法应该是args=(b,)（注意末尾的逗号），不过这不是报错的核心原因，但需要修正。

修正方案 #

方案一：重新定义有界的优化目标 #

如果你确实需要优化和log(x - b)相关的目标，需要给函数添加“下界”，比如加上正则项，让目标函数不会无限趋向负无穷。同时，使用bounds参数给x设置严格的取值范围，比不等式约束更能避免求解器触碰定义域边界。

修正后的代码示例：

import math
from scipy.optimize import minimize

def obj(x, b):
    print "obj x", x
    # 添加正则项，让目标函数有下界
    return math.log(x - b) + 0.1 * (x ** 2)

def constr(x, b):
    print "constr x", x
    return x - b

x0 = 3.1
b = 3
# 设置边界约束，确保x略大于b，避免log参数为0/负数
bounds = [(b + 1e-8, None)]
# 修正args的元组写法
a = minimize(obj, x0, args=(b,), 
             constraints={'type': 'ineq', 'fun': constr, 'args': (b,)},
             bounds=bounds)
print("优化结果：", a)

方案二：调整优化目标（如果需求允许） #

如果你的实际需求是最大化math.log(x - b)（而非最小化），可以把目标函数改为-math.log(x - b)，然后求解最小值。这样求解器会尝试让x尽可能大（如果没有上限约束仍无界，但至少不会触碰x=b的边界）。

额外说明 #

scipy的SLSQP求解器在迭代过程中，可能会临时试探接近约束边界的点，仅靠不等式约束有时无法完全避免触碰定义域禁区，使用bounds参数是更可靠的变量取值限制方式。

内容的提问来源于stack exchange，提问作者Daniel