如何在 scipy.optimize.minimize 中构建 x[0] + x[1] > 0 约束？

Question

我正在尝试建立正确的约束来最小化目标函数：

fun_SV = lambda x : objective(value_date_2, datos_2,curve,'Svensson',curve_rates,fechas_tenors,x)

我有一个参数列表x，我只想要一个约束，其中第一个和第二个参数的总和大于 0 我正在尝试这个：

cons = {'type':ineq, 'fun': lambda x: x[0] + x [1]} 

然后，我最小化：

bounds_sv = ((0,15),(-15,30),(-30,30),(-30,30),(0.000000001,30)(0.000000001,30))

res_SV = minimize(fun_SV, x0,method="SLSQP", bounds= bounds_sv, constraints = my_constraints, tol=0.000001,options={'maxiter':50000})

我得到的是两者的总和都是0，我只想要x[0] + x[1] > 1。

Answer 1

SLSQP 具有 f(x)>=0 形式的不等式。所以如果你想要g(x)>1，你必须使用：f(x)-1.0001>=0。在你的情况下：

 cons = {'type':ineq, 'fun': lambda x: x[0] + x [1] - 1.0001 }