Python 如何设置依赖于临时最小化函数的约束？

我试图设置一个约束，它取决于最小化的函数值

我的问题有以下性质：

fmin=最小化（d1x1+d2x2…+d5x5）

我希望使用以下约束条件选择tMize：

x1+X2+x3+x4+x5 = 1

0.003 <x1 .. X5  < 0.05

d1x1/fmin = y1
(d2x2+d3x4)/fmin = y2
(d4x4+d5x5)/fmin = y3

因此，我需要定义：

x1d1/fmin=y1作为约束条件之一

这里的最佳值向量为（d1..dn）。然而，作为示例，这也必须满足约束d1/minimized（d1..dn）=y1

我应该如何设置？我应该使用什么样的优化器

---

我可以使用excel解算器轻松地完成这项工作，但现在我想用python编写代码。我正在尝试使用scipy.linprog，但我不确定这是一个线性规划问题还是需要使用另一种方法。对于这个问题，我想不出在linprog中设置约束的方法。有人能帮我吗？

假设

d1，…，dn

也是标量常量，那么例如约束

d1*x1/fmin==y1

可以重写为

d1*x1==y1*d1*x1+y1*d2*x2+...+y1*dn*xn

这可以标准化为

(d1-y1*d1)*x1 - y1*d2*x2 - y1*d3*x3 - ... - y1*dn*xn == 0

---

可以用作线性解算器的输入。

我曾尝试使用scipy.linprog，在这里我可以设置前两个约束，但在设置后两个约束时遇到了困难。我甚至不确定是否需要为此使用linprog。不仅仅是基于代码-这是我真正想要的方法。@DrBug什么是

y1

，

y2

和

y3

？变量还是常量？如果它们是常数，那么您可以将约束重写为线性的

d4x4+d5x5=y3*sumof（…）

，如果

yi

s是变量，则约束不是线性的，因此您必须使用更强大的工具，如二次解算器。谢谢Bakuriu。y1。。y3是常数。然而，sumof项还包括我试图最小化的变量（d1..dn）。在这种情况下，我遇到的第一个约束实际上是（d1x1+d2x2）/（最小化函数）。@Bakuriu是对的，首先线性化约束，然后查看是否可以遵循示例。@pbreach:您的评论没有帮助。我不知道如何根据最小化函数的中间值设置约束。是的，我同意。我不知怎的在想A_eq和A_ub应该是一个二进制矩阵。我会尝试一下，如果成功，我会接受你的答案。

(d1-y1*d1)*x1 - y1*d2*x2 - y1*d3*x3 - ... - y1*dn*xn == 0