Optimization 最小化必须为正的差值

我有以下优化：

mnimize:obj（x）=f（x）-常数

sbj.to:lb sbj.to:f（x）-常数>=0

我觉得这不是解决优化问题最方便的方法。有没有另一种计算上更方便的方法？

---

到目前为止，我试图修改目标，例如使用obj（x）=（f（x）-常量）^2，这允许我避免第二个约束。但它给了我一些依赖于常数值的收敛性问题。一些想法？

我可以想出另外两种可能的方法——不确定它们是否更好，但那就是：

如果[f（x）-常数]^2给您带来收敛问题（不确定原因），请尝试将其替换为abs（f（x）-常数）。警告：abs（）函数并不总是性能最好的，有时它会混淆一些优化算法

在目标函数中，如果（f（x）-常数）变为负值，则返回一个大值-与变为负值的程度成比例。否则返回正常差异

---

我已经尝试了绝对值，但考虑到我可以计算分析梯度，这并不理想。我也不知道为什么会出现收敛问题。我正在调查，如果找到答案，我会回来的。关于大值，如果它是负数，你指的是惩罚函数？是的，像惩罚函数。它在很多情况下都很有效。好的，是的，我可以试试，非常感谢