Python 具有非平凡约束的多元优化？

在我当前的项目中，我必须最小化以下目标函数：

1/2 xa.tx（a.txa）xa-c.tx日志（Bxa）

其中，A是n×m矩阵，B是不同的n×m矩阵，c是n×1向量，A是参数值的期望m×1向量，.T表示转置。除了a之外的一切都可以假定为已知

如果不是第二个带有对数的项，优化这一点将非常简单。因为对数存在，我们必须施加一个约束，以确保Bxa>0

---

在Python中有没有一种简单的方法来实现这一点？

使用支持约束的一个解算器（您将只找到非严格的INEQ或严格的EQ），选择一个ε，并发布约束

B*a>=eps

。您可以将此约束优化表述为相应拉格朗日函数的无约束优化，基于@sascha的建议。不过，Calc III有点超出Stack Overflow的薪酬等级。