Trust-constr的成功标准是什么？

Trust-constr的成功标准是指最优值是否在约束条件内。具体而言，若最优值在约束条件内，则认为优化已成功。

下面是一个示例，演示如何使用trust-constr解决优化问题：

import numpy as np
from scipy.optimize import minimize, Bounds, NonlinearConstraint

# 构造优化问题
def objective(x):
    return x[0]**2 + x[1]**2

def constraint(x):
    return x[0]**2 + x[1]**2 - 1  # 定义约束条件

bounds = Bounds([-2, -2], [2, 2])  # 定义变量范围

# 定义非线性约束条件
nonlinear_constraint = NonlinearConstraint(constraint, -np.inf, 0)

# 调用trust-constr求解
res = minimize(objective, [0, 0], method='trust-constr',
               constraints=[nonlinear_constraint],
               bounds=bounds)

print(res)

上述代码中，我们首先定义了优化问题的目标函数和约束条件。然后使用Bounds设置了变量的范围，使用NonlinearConstraint定义了非线性约束条件。最后，我们通过调用minimize并将method设置为trust-constr，来求解这个优化问题。

在得到了最优值之后，我们可以通过判断最优值是否在约束条件内来判断优化是否成功。如果最优值在约束条件内，则说明优化成功。