小编TBR*_*BRS的帖子

我想使用scipy.optimize最小化大量线性不等式上的函数（最终是非线性的）。作为热身，我正在尝试在框0 <= x <= 1、0 <= y <= 1的情况下最小化x + y。按照以下Johnny Drama的建议，我目前正在使用dict-comprehesion生成不等式的字典，但没有得到预期的答案（最小值= 0，最小值为（0,0））。

新的代码部分（当前相关）：

import numpy as np
from scipy.optimize import minimize



#Create initial point.

x0=[.1,.1]

#Create function to be minimized

def obj(x):
    return x[0]+x[1]


#Create linear constraints  lbnd<= A*(x,y)^T<= upbnd

A=np.array([[1,0],[0,1]])

b1=np.array([0,0])

b2=np.array([1,1])

cons=[{"type": "ineq", "fun": lambda x: np.matmul(A[i, :],x) -b1[i]} for i in range(A.shape[0])]

cons2=[{"type": "ineq", "fun": lambda x: b2[i]-np.matmul(A[i, :], x) } for i in range(A.shape[0])]

cons.extend(cons2)

sol=minimize(obj,x0,constraints=cons)

print(sol)

问题的原始版本：

我想在scipy.optimize中使用LinearConstraint对象，如此处的教程中所述：“定义线性约束”

我试图做一个简单的例子，答案很明显：在平方0 <= x <= 1，0 …