Python 失败的scipy.minimize用于多个约束

我想使用scipy.minimize最小化以下函数

def lower_bound(x, mu, r, sigma):
    mu_h = mu_hat(x, mu, r)
    sigma_h = sigma_hat(x, sigma)
    gauss = np.polynomial.hermite.hermgauss(10)
    return (1 + mu_h + math.sqrt(2) * sigma_h * min(gauss[1]))

所有涉及的函数都经过测试，并按预期返回值。现在，为了设置最小化过程，我定义了

cons = ({"type": "ineq",
             "fun": mu_hat,
             "args": (mu, r)},
            {"type": "ineq",
             "fun": lambda x, sigma: -1.0*sigma_hat(x, sigma),
             "args": (sigma)},
            {"type": "ineq",
             "fun": lambda x: x},
            {"type": "ineq",
             "fun": lambda x: 1-np.dot(np.ones(x.size), x)})

作为约束条件。运行此代码时，scipy.minimize为约束提供以下错误消息：

File "/usr/local/lib/python3.5/dist-packages/scipy/optimize/slsqp.py", line 312, in <listcomp>
    mieq = sum(map(len, [atleast_1d(c['fun'](x, *c['args'])) for c in cons['ineq']]))
TypeError: <lambda>() argument after * must be an iterable, not float

文件“/usr/local/lib/python3.5/dist-packages/scipy/optimize/slsqp.py”，第312行，在
mieq=sum（对于cons['ineq']]中的c，映射（len，[c['fun']]（x，*c['args']））
TypeError:（）在*之后的参数必须是iterable，而不是float

---

定义的约束有哪些不正确

错误消息显示：

mieq = sum(map(len, [atleast_1d(c['fun'](x, *c['args'])) for c in cons['ineq']]))
TypeError: <lambda>() argument after * must be an iterable, not float

mieq=sum（对于cons['ineq']]中的c，映射（len，[至少1d（c['fun']（x，*c['args']））
TypeError:（）在*之后的参数必须是iterable，而不是float

因此我们可以推断

c['args']

属于

float

类型，因为

c['args']

是唯一应用了

*

的变量。显然，在

c

中查找

'args'

已成功，因此我们知道

c

是一个

浮点值，其中需要一个iterable（列表、元组等）

如果我们现在查看您的约束，在一种情况下传递的
参数是
（mu，r）
，在另一种情况下传递的是
（sigma）
。现在问题很清楚：
（sigma）
等同于
sigma
，而不是元组。要在Python中生成1元组，必须说
（sigma，）