Python 如何获得类似“单纯形”的；“稳健性”；和SciPy中的边界一起？

我想将

sicpy.minimize

中的一种最小化方法应用于一个函数，该函数可能并不总是提供平滑导数。我对单纯形法的

Nelder-Mead

实现感到满意，但它似乎不接受边界参数：

（…，bounds=[xmin，xmax]，…）

。读到这里，似乎只有L-BFGS-B、TNC和SLSQP方法接受边界，而这三种方法都以牛顿方法为基础，要么计算数值导数，要么接受数值导数

---

我不知道确切的术语，但我正在寻找

scipy

中的“类似单纯形”或“无导数”方法，该方法接受边界，但也可以忽略不能提供平滑导数的函数（例如阶梯状行为）。现在，我正在做1d。稍后我可能会添加维度，但现在这并不重要。

我会尝试一下lmfit

---

虽然不是scipy的一部分，但基于，它提供了有界最小化。我使用它进行曲线拟合和参数提取。尽管如此，我无法说出它在您的特定函数上的执行情况。

我正在SciPy中寻找一种不使用导数且允许有界的最小化方法。1d现在就可以了。这怎么太宽了？要么有，要么没有。对于1d，看这里，嘿，这真的很有趣！如果我理解正确，它在内部使用了

scipy

中的最小化方法（至少有时），但为用户提供了一组更“pythonic”的类来设置问题。对于

scipy

中没有显式处理边界的方法，当暴露于scipy时，它将在用户空间中设置为

-inf

到

+inf

。事实上，我可以自己试着去做，而不用

lmfit

！但看起来很有趣，所以我想我会试试看。非常感谢。