Python 使用scipy.optimize.minimize而不使用lambda函数

我想使用scipy.optimize.minimize函数，而不将约束指定为lambda函数。这可能吗

i、 e.对于标准示例：

from scipy.optimize import minimize

def fun(x):
    return (x[0] - 1) ** 2 + (x[1] - 2.5)**2.

x   = (2, 0)

def c_0(x):
    return x[0] - 2. * x[1] + 2.

def c_1(x):
    return -x[0] - 2. * x[1] + 6.

def c_2(x):
    return -x[0] + 2. * x[1] + 2.

cons = ({'type': 'ineq', 'fun': c_0(x)},
    {'type': 'ineq', 'fun': c_1(x)},
    {'type': 'ineq', 'fun': c_2(x)})

bnds = ((0, None), (0, None))

res = minimize(fun(x), x, method='SLSQP', bounds=bnds, constraints=cons)

我不想使用lambda函数的原因是，对于我的问题，我的约束数增长得相当快（2*自由度），因此，除非有办法为我的约束创建“lambda”工厂，否则显式编写它们将很快变得单调乏味

上述代码段返回：

TypeError: 'float' object is not callable

---

调用没有参数的函数。这对我很有用：

from scipy.optimize import minimize

def fun(x):
    return (x[0] - 1) ** 2 + (x[1] - 2.5)**2.

x   = (2, 0)

def c_0(x):
    return x[0] - 2. * x[1] + 2.

def c_1(x):
    return -x[0] - 2. * x[1] + 6.

def c_2(x):
    return -x[0] + 2. * x[1] + 2.

cons = ({'type': 'ineq', 'fun': c_0},
    {'type': 'ineq', 'fun': c_1},
    {'type': 'ineq', 'fun': c_2})

bnds = ((0, None), (0, None))

res = minimize(fun, x, method='SLSQP', bounds=bnds, constraints=cons)

---

注意区别：乐趣是一种功能；乐趣（x）是它在x的价值。感谢您的澄清！正确，但这不是调用函数，而是将其作为参数传递。